تشخیص آلزایمر در مراحل اولیه بیماری با استفاده از آنالیز ساختاری خطی تصاویر ام آر ای افراد سالمند و بیمار

پیش‌زمینه و هدف: سنجش بصری تصاویر mri قادر به تفکیک آتروفی ناشی از آلزایمر و آتروفی ناشی از سالمندی نمی باشد. ازآنجایی‌که تشخیص بیماری آلزایمر در مراحل اولیه باارزش است بنابراین شناسایی راهی برای مشاهده آلزایمر در مراحل اولیه مفید است. این مطالعه بر اساس تشخیص کامپیوتری و استفاده از آنالیز ساختار بافت در تصاویر ام‌ آر ای به‌منظور بهبود دقت تشخیص آلزایمر و جداسازی آتروفی آلزایمر در مراحل اولیه از آتروفی طبیعی ناشی از سالمندی است. روش کار: تصاویر mr شامل 13 بیمار آلزایمر و 13 نفر سالم سالمند می باشد. بالای 270 پارامتر ساختار که مربوط به roi انتخاب‌شده در هر تصویر توسط نرم‌افزار مزدا (ورژن 6-4) استخراج شده است. دو الگوریتم کاهش ویژگی که شامل الگوریتم فیشر و الگوریتم poe+acc است برای انتخاب بهترین پارامترها بکار می روند. پارامترهای به‌دست‌آمده مورد آنالیز قرار گرفته که شامل آنالیزهای مولفه اصلی pca ))، آنالیز تفکیک خطی(lda) است ماتریس کانفیوژن برای بررسی منحنی راک مربوط به ماکزیمم مقادیر آنالیزهای pca,lda برای مقایسه بهترین آنالیزها نیز بکار رفته است و سطح زیر هر نمودار نیز محاسبه شده است. یافته‌ها: بهترین آنالیز مربوط به آنالیز lda که دارای قدرت تفکیک درصد 96 بین آتروفی ناشی از آلزایمر در مراحل اولیه بیماری و آتروفی ناشی از سالمندی است. بحث و نتیجه‌گیری: هدف از این کار بررسی آتروفی ناشی از آلزایمر در مراحل اولیه و تفکیک آن با آتروفی ناشی از سالمندی است که در تصاویر mri به‌صورت بصری قابل‌مشاهده نمی باشد. این روش می تواند به‌عنوان ابزار کمکی در بهبود دقت تشخیص آلزایمر بکار رود و در زمان و هزینه صرفه‌جویی کند.

diagnosis of alzheimer's disease in early stage using linear texture analysis in mri images

background & aims: the purpose of this study was to evaluate the potential of linear discriminant analysis (lda) and principal component analysis (pca) in discriminating atrophy of alzheimer’s disease in early stage and atrophy of aging using mri images.materials & methods: in general, 26 mri images (13 alzheimer and 13 elderly) were analyzed under applied options and two texture features analysis methods: principal component analysis (pca), linear discriminant analysis (lda) using mazda software. the k-nn (k=1) classifier was used for features resulting from pca and lda. the confusion matrix and receiver operating characteristic (roc) curve were also calculated.results:  computer aim diagnosis is able to discriminate atrophy of alzheimer’s disease from atrophy of normal aging.discussion: our results indicated that texture analysis can be an auxiliary tool in diagnosing alzheimer’s disease in early stages.