تشخيص آلزايمر در مراحل اوليه بيماري با استفاده از آناليز ساختاري خطي تصاوير ام آر اي افراد سالمند و بيمار

پيش‌زمينه و هدف: سنجش بصري تصاوير MRI قادر به تفكيك آتروفي ناشي از آلزايمر و آتروفي ناشي از سالمندي نمي­باشد. ازآنجايي‌كه تشخيص بيماري آلزايمر در مراحل اوليه باارزش است بنابراين شناسايي راهي براي مشاهده آلزايمر در مراحل اوليه مفيد است. اين مطالعه بر اساس تشخيص كامپيوتري و استفاده از آناليز ساختار بافت در تصاوير ام‌ آر اي به‌منظور بهبود دقت تشخيص آلزايمر و جداسازي آتروفي آلزايمر در مراحل اوليه از آتروفي طبيعي ناشي از سالمندي است. روش كار: تصاوير MR شامل 13 بيمار آلزايمر و 13 نفر سالم سالمند مي­باشد. بالاي 270 پارامتر ساختار كه مربوط به ROI انتخاب‌شده در هر تصوير توسط نرم‌افزار مزدا (ورژن 6-4) استخراج شده است. دو الگوريتم كاهش ويژگي كه شامل الگوريتم فيشر و الگوريتم POE+ACC است براي انتخاب بهترين پارامترها بكار مي­روند. پارامترهاي به‌دست‌آمده مورد آناليز قرار گرفته كه شامل آناليزهاي مؤلفه اصلي PCA ))، آناليز تفكيك خطي(LDA) است ماتريس كانفيوژن براي بررسي منحني راك مربوط به ماكزيمم مقادير آناليزهاي PCA,LDA براي مقايسه بهترين آناليزها نيز بكار رفته است و سطح زير هر نمودار نيز محاسبه شده است. يافته‌ها: بهترين آناليز مربوط به آناليز LDA كه داراي قدرت تفكيك درصد 96 بين آتروفي ناشي از آلزايمر در مراحل اوليه بيماري و آتروفي ناشي از سالمندي است. بحث و نتيجه‌گيري: هدف از اين كار بررسي آتروفي ناشي از آلزايمر در مراحل اوليه و تفكيك آن با آتروفي ناشي از سالمندي است كه در تصاوير MRI به‌صورت بصري قابل‌مشاهده نمي­باشد. اين روش مي­تواند به‌عنوان ابزار كمكي در بهبود دقت تشخيص آلزايمر بكار رود و در زمان و هزينه صرفه‌جويي كند.

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.