人工神经网络在MRI脑结构测量诊断Alzheimer病的进一步应用研究

目的 评价人工神经网络在MRI脑结构测量诊断Alzheimer病 (AD)的应用价值。方法 应用 1 0TMRI仪 (SiemensMagnetomImpact)对 2 8名可能AD患者 (年龄 6 8 3± 7 7岁 )和 2 8名正常人 (年龄 6 8 6± 7 5岁 )进行头颅扫描 ,获取 3DGRE脉冲序列T1WI,然后在重建图像上对经部分颅内容积标准化处理、大脑的 5个感兴趣区域 (包括杏仁核、海马、内嗅皮层、颞叶和侧脑室颞角 )共 10个指标 (分左右 )进行了体积测量研究。使用自编的反馈式人工神经网络软件与传统统计学处理软件 (SPSS) ,同时对测量数据进行分析处理。结果 对上述 5个测量指标的数据分析处理 ,人工神经网络可将AD与正常人鉴别开来 ,并对新个体作出正确的诊断 ,其诊断的敏感度为 97%、特异度 10 0 %、准确度达 98 5 % ;而应用SPSS软件进行判别分析时 ,其诊断的敏感度、特异度和准确度分别为90 9%、97%和 93 9%。结论 应用人工神经网络结合MRI脑结构体积测量是诊断AD的一种实用而可靠的手段。

人工神经网络在Alzheimer病的MRI诊断研究中的应用

目的将人工神经网络理论首次应用于Ａｌｚｈｅｉｍｅｒ病（Ａｌｚｈｅｉｍｅｒｄｉｓｅａｓｅ，ＡＤ）的脑ＭＲＩ测量研究，建立一种全新的模式判别方法，用于ＡＤ的ＭＲＩ诊断和鉴别诊断。方法研究对象包括１２名可能的ＡＤ病人［年龄（６５．３±８．６）岁］和３６例年龄与性别匹配的正常人［年龄（６５．８±７．４）岁］；在西门子ＭａｇｎｅｔｏｍＩｍｐａｃｔ１．０Ｔ系统上进行图像扫描和结构测量；实验中对大脑的８个感兴趣区域共１６个指标（分左右）进行了测量和研究；使用社会科学统计软件（ｓｔａｔｉｓｔｉｃａｌｐａｃｋａｇｅｆｏｒｔｈｅｓｏｃｉａｌｓｃｉｅｎｃｅ，ＳＰＳＳ）与自编的人工神经网络（ｂａｃｋｐｒｏｐａｇａｔｉｏｎｎｅｔｗｏｒｋ，ＢＰ网络）软件同时对测量数据进行分析处理。结果同样的测量区域及数据，利用人工神经网络判别，灵敏度和准确率都高于传统的判别函数方法；杏仁核、海马、海马旁回、颞叶及颞角５项指标能将ＡＤ病人及正常人完全分开；利用人工神经网络，成功地对新个体进行了诊断。结论结合神经网络理论。

Alzheimer病的MRI形态学测量研究进展

Ａｌｚｈｅｉｍｅｒ病（简称ＡＤ）是一种进行性、退化性脑痴呆病，它引起患者记忆力下降、认知功能紊乱以及行为改变。其病程不可逆转，一般持续３～１０年，最后导致患者死亡。ＡＤ是引起痴呆的主要原因，占所有痴呆患者的５０％～７０％，并且是美国７５～８０岁老人中...