期刊专题

基于PET图像的深度学习模型预测阿尔茨海默病不同阶段的研究

引用
目的 探讨基于18F-FDG PET图像构建的深度学习模型对不同阶段阿尔茨海默病(AD)的诊断价值.方法 根据病程进展分为正常认知(CN)组、主观认知下降(SCD)组、轻度认知障碍(MCI)组和AD组.回顾性搜集ADNI数据库中519例(SCD组94例,AD组125例,MCI及CN组各150例)符合纳入标准病例的18F-FDG PET图像,在此基础上加入临床资料(年龄、性别、受教育程度、MMSE评分、Aβ1-42值及载脂蛋白Ee4表型).基于两种数据集建立AD分类深度学习双线性池化模型,经五折交叉验证后,采用分类准确性、AUC值等评价两种模型分类性能.结果 基于18F-FDG PET图像单模态分类模型,在区分SCD-AD组分类性能最佳,准确性达91.97%,在CN-SCD组分类效果相对较低,准确性为74.86%;融合临床资料后,仅CN-SCD组分类准确性下降了 1.53%,其余各组的分类性能均得到提高,其中准确性升幅依次降序排列为CN-MCI组(升至90.33%,升幅6.83%)、SCD-AD组(升至 94.34%,升幅 2.37%)、SCD-MCI 组(升至 82.78%,升幅 2.30%)、MCI-AD 组(升至 80.45%,升幅 2.26%)、CN-AD组(升至92.13%,升幅1.88%).结论 联合18F-FDG PET图像及临床资料构建的深度学习融合模型可为AD临床早期诊断及干预提供帮助.

18F-FDG PET、AD不同阶段、深度学习

41

R749.16;TP391.41;R445.2

苏州市卫生计生委科技项目;江苏省卫健委重点项目

2023-01-09(万方平台首次上网日期,不代表论文的发表时间)

共6页

1615-1620

暂无封面信息
查看本期封面目录

临床放射学杂志

1001-9324

42-1187/R

41

2022,41(9)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn