阿尔兹海默症多模态辅助诊断模型研究

发布时间：2020-09-10 20:14

　　 阿尔兹海默症(Alzheimer's Disease,AD)是目前最难以治愈的老年性疾病之一,严重影响了老年人及其家属的生活质量。轻度认知障碍(Mild Cognitive Impairment,MCI)是AD早期的一种状态,通常会被误认为是正常衰老的表现而错过了最佳的治疗时机,因此准确地诊断出MCI对AD的早期发现和早期治疗至关重要。本文提出了一个模拟临床医生诊断过程的AD早期辅助诊断深度学习模型。神经影像学是诊断患者大脑结构性和功能性改变的重要方法,对AD的早期诊断和预测具有重要作用。本文利用临床诊断AD常用的PET和MRI影像,通过卷积神经网络训练出识别PET和MRI图像准确率较高的模型。首先在相似的数据集上进行预训练,将训练好的模型参数迁移到新的网络中。在ADNI(Alzheimer's Disease Neuroimaging Initiative,ADNI)数据集上,采用两个独立的卷积神经网络(VGGNet-16),并对网络原始的激活函数ReLU改进采用PReLU函数,分别学习PET影像和MRI影像特征,训练出AD影像诊断模型。本文在不更改样本类别的前提下,通过旋转、缩放、灰度对比度调节等方法对图像进行处理以扩充数据集,弥补不同姿态样本数少的问题。采用数据扩增的方法增大数据量,解决了类间不平衡的问题,并在数据扩增前后数据集上实验对比分析,说明了采用数据扩增的方法,起到一定正则化的作用,提高了模型的识别效果。不同模态数据反映不同的病理,AD的诊断需要结合不同诊断方式才能得出确切的诊断结果,单一模态数据在信息表示方面不具有代表性,往往采用多模态数据进行综合诊断。临床医生诊断AD时通常既要参考多种神经影像检查结果,也要参考基本的神经心理学检查结果。本文将MRI影像、PET影像、MMSE量表和CDR量表临床认知测试数据相融合,首先训练出识别准确率高的MRI和PET影像诊断模型,然后利用相关分析的方法将多模态医学影像辅助诊断结果与临床评估量表相结合,最后得到整合了患者病理和心理的综合评判结果。实验表明,本文方法提高了诊断的准确率,在多项指标上优于其它计算机辅助诊断模型,为阿尔兹海默症多模态诊断提供了新的思路。
【学位单位】：河南大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;R749.16;TP183
【部分图文】：

图 2-2 CDR 测试图2.1.2 医学影像检查人类的认知功能也是大脑神经中枢系统的功能，神经影像学是诊断患者大脑结构性和功能性改变的重要方法，对 AD 的早期诊断和预测具有重要作用。随着医学影像技术的不断发展和完善，各种影像技术被广泛地应用于脑部疾病的诊断和研究，比如：正电子断层扫描(PET)，磁共振成像(MRI)，弥散张量成像(DTI)等医学影像技术[23]。通过采用医学影像技术和相应的分析方法，发现患者脑部组织结构的异常。（1） 正电子断层扫描检测正电子发射断层扫描检测发射的是成对伽马射线，放射性示踪剂进入生物活性分子体内。通过计算机分析，建立人体内示踪剂浓度的三维图像。在进行 PET 扫描之前，给患者注射造影剂（含有示踪剂），造影剂扩散到整个大脑，并与异常蛋白质（β 淀粉样蛋白和 tau 蛋白）结合，这使得研究人员能够追踪这些蛋白质的浓度。根据所测量的

元细胞内进行的活动，如食物加工和废物清除。即将死亡的神经元会出现新，因此 FDG-PET 是神经变性的一个指标，可用于测量细胞代谢[24]。PET 测量提供大脑中分子水平行为过程的信息，是检测 AD 中常用的影像模 AD 和 MCI 患者在脑组织明显地萎缩之前，某些区域的葡萄糖代谢能力会 PET 可以检测出人体内葡萄糖的代谢情况。正常人脑部各结构如大脑皮质构及小脑等在 PET 影像中显像剂呈现对称、均匀分布。MCI 患者葡萄糖代域有后扣带回、海马-杏仁核复合体、顶叶、双侧颞叶和前丘脑等。AD 患者双侧顶叶、海马、颞叶和额叶等部分脑区存在葡萄糖代谢降低的现象，而且的左侧降低区域大于右侧[26]。图 2-3 所示是认知正常受试者（左）、轻度认）和阿尔兹海默病（右）的氟脱氧葡萄糖（FDG）PET 图像。与认知正常的，阿尔兹海默症受试者的顶叶区域（白色箭头）的代谢降低。

从 MRI 影像中可以观察到 MCI 患者相比正常衰老同龄人的海马和内度更加明显，AD 患者大脑皮层灰质、内侧颞叶萎缩较为明显[28]。如图 2缩发生前的 MRI 扫描。B 图受试者是因患 AD 而严重萎缩的 MRI 扫描，脑中看到，彩色区域圈起来的深灰色物质结构中，红色区域的是海马体，内鼻甲皮质，绿色区域的是鼻周皮质，在疾病早期这些区域会发生萎缩用于测量萎缩程度和跟踪 AD 的进展。

【参考文献】

相关期刊论文 前10条

1 ;临床痴呆评定量表简体中文版[J];中华老年医学杂志;2018年04期

2 俞翔;许亮;刘筠;;阿尔茨海默病多模态MRI研究进展[J];国际医学放射学杂志;2015年06期

3 王玉亮;初建平;;磁共振扩散峰度成像(DKI)临床研究进展[J];影像诊断与介入放射学;2015年04期

4 张筱;袁欣瑞;朱瑞;崔艺耀;彭丹涛;;简易智能精神状态量表和蒙特利尔认知评估量表差值在老年期痴呆鉴别诊断中的价值[J];中华老年医学杂志;2015年05期

5 庄福振;罗平;何清;史忠植;;迁移学习研究进展[J];软件学报;2015年01期

6 崔瑞雪;牛娜;张颖;袁晶;李方;;不同类型痴呆脑代谢改变图型:~(18)F-FDG PET显像[J];中国现代神经疾病杂志;2014年04期

7 牛娜;李方;;PET显像在阿尔茨海默病的应用进展[J];中国现代神经疾病杂志;2014年03期

8 乔晋;杨剑波;屈秋民;韩建峰;罗国刚;;Alzheimer病神经心理学特点及其量表在诊断中的价值比较[J];中国临床心理学杂志;2006年01期

9 彭丹涛,许贤豪,刘江红,矫玉娟,张华,殷剑,孟晓梅,谢琰臣,冯凯;简易智能精神状态检查量表检测老年期痴呆患者的应用探讨[J];中国神经免疫学和神经病学杂志;2005年04期

10 董会卿,颜振瀛,李坤成,杨小平;MRI线性测量局部脑萎缩对早期阿尔兹海默病的诊断意义[J];中华神经科杂志;1998年02期

相关博士学位论文 前2条

1 李丹玲;基于灵敏度和特异度任意赋权的评价诊断试验的统计推断方法[D];南方医科大学;2013年

2 李彭军;医学影像云服务平台基础架构研究与实践[D];南方医科大学;2011年

相关硕士学位论文 前2条

1 赵彦东;基于深度学习的信息融合方法研究[D];哈尔滨工程大学;2017年

2 翟步中;基于DTI的阿尔兹海默病及轻度认知障碍脑结构网络改变的研究[D];西安电子科技大学;2015年

本文编号：2816272