文献

J-GLOBAL ID：201702240633575595   整理番号：17A0344095

PIB PET画像の関心領域に基づく病計算機支援分析【JST・京大機械翻訳】

A Novel Computer Aided Alzheimer’s Analysis Approach Based on Regions of Interests of PiB PET Images

著者 (4件)： Duan Huoqiang (Institute of Biomedical Engineering,School of Communication and Information Technology,Shanghai University) ,  Shu Xinghui (Institute of Biomedical Engineering,School of Communication and Information Technology,Shanghai University) ,  Xu Jun (Institute of Biomedical Engineering,School of Communication and Information Technology,Shanghai University) ,  Jiang Jiehui (Institute of Biomedical Engineering,School of Communication and Information Technology,Shanghai University)
資料名： Zhongguo Shengwu Yixue Gongcheng Xuebao  (Zhongguo Shengwu Yixue Gongcheng Xuebao)
巻： 35  号： 6  ページ： 641-647  発行年： 2016年 
JST資料番号： C2256A  ISSN： 0258-8021  CODEN： ZSYXEI  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： アルツハイマー病(AD)は不可逆的な神経変性疾患であり、PIB PETイメージング技術はADの早期診断に用いることができる。しかし、現在臨床ではPIB PET画像に基づくAD診断は主に医師の視覚評価分析に頼っており、その欠点は医師の経験に依存し、患者の病状に対する客観的な追跡を実現できない。そのため、PIB PET画像に基づくコンピュータ支援分析方法(CAAD)を提案し、AD診断を実現した。しきい値に基づく3D格子ボルツマン技術を用いてROIを分割し、主成分分析(PCA)技術を用いて画像特徴を抽出し、最終的にサポートベクトルマシン(SVM)に基づく多項式カーネルモデルを用いて特徴を分類した。ADNIデータベースと上海の 病院のPETセンターの149のサンプルのPIB PETデータに対する比較実験を通じて、この方法はROIの分割後のDICE係数の平均正確率が%%±3.0%であることを示した。ADと正常群(H_C)、軽度認知障害群(MCI)とHC、AD/MCIとHCの分類精度はそれぞれ%%、%%と91.95%であった。既存の文献のAD計算機支援診断と比較して,提案したCAAD法の精度は約10%向上した。実験結果は,この方法がAD,MCI,およびHCをうまく分類できることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： データベース ,  患者 ,  早期診断 ,  *画像 ,  Alzheimer病 ,  サポートベクトルマシン ,  医師 ,  病院 ,  三次元 ,  計算機診断 ,  主成分分析
準シソーラス用語： 分類精度 ,  軽度認知障害 ,  *関心領域 ,  *PIB-PET , 【Automatic Indexing@JST】

著者キーワード (5件)： Alzheimer’ s disease (AD) ,  Pittsburgh compound B positron emission tomography (PiB PET) image ,  segmentation ,  machine learning ,  computer aided AD diagnosis(CAAD)

分類 (2件)： パターン認識  (JE07000S) ,  神経系の診断  (GN02000H)

タイトルに関連する用語 (7件)： PIB ,  PET画像 ,  関心領域 ,  病 ,  計算機 ,  支援 ,  分析