基于PiB PET图像感兴趣区域的阿尔茨海默症计算机辅助分析

作者：段火强; 舒星辉; 徐俊; 蒋皆恢阿尔茨海默症pibpet图像图像分割机器学习计算机辅助诊断caad

摘要：阿尔兹海默症（AD）是一种不可逆的神经退行性疾病,PiB PET成像技术可用于AD的早期诊断。但是,目前临床基于PiB PET图像的AD诊断主要依靠医生视觉评估分析,其缺点为依赖医生经验且耗时,无法实现对患者病情的客观追踪,因此提出一种基于PiB PET图像的计算机辅助分析方法 （CAAD）实现AD诊断。使用基于阈值先验的3D格子玻尔兹曼技术分割ROIs,采用主成分分析（PCA）技术提取图像特征,最终采取基于支持向量机（SVM）多项式核模型对特征进行分类。通过对ADNI数据库和上海市华山医院PET中心的149个样本的PiB PET数据进行对比实验,该方法对于ROIs的分割后Dice系数平均准确率为91.53%±3.0%,最终对AD和正常老年组（HC）、轻度认知障碍组（MCI）和HC、AD/MCI和HC的分类准确率分别达到87.01%、93.04%和91.95%。与现有文献的AD计算机辅助诊断相比,所提出CAAD方法的准确率高出约10%。实验结果表明,该方法能够很好地对AD、MCI和HC进行分类。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社