融合结构和功能磁共振成像的阿尔茨海默型痴呆辅助鉴别关键技术研究

Alzheimer's disease (AD) is one of the common forms of senile dementia, which is a neurodegenerative illness. Key technologies on aided discrimination of AD fusing structural and functional magnetic resonance imaging (MRI) are researched in this project. Structural and functional MRI are used to analyze image features belonging to AD so that scientific basis for objective diagnosis, early forecasts and prevention, and timely intervention therapies can be provided. And researchers can make an exact analysis and judgment with the aid of these technologies. This project mainly focuses on three parts including effective image preprocessing (image denoising, smoothing and spacial normalization etc.), robust image representation and effective classifier design. Finally, AD can be exactly discriminated and a demo system is developed for assistantly analyzing and monitoring AD. Research contents and key technologies on AD aided diagnosis based on structural and functional MRI is attached to the field of pattern recognition, and is a significant extension and supplement on the technologies research of the relative fields. This project faces great challenges, and the related achievements can be widely applied to many areas of science such as neuropathology, cognitive science, neuroanatomy and psychology etc., which possesses important scientific significance and practical value.

阿尔茨海默病(Alzheimer's Disease/AD)是老年性痴呆的主要类型之一，是一种以记忆认知障碍为首要临床表现的神经退行性疾病。本项目研究融合结构和功能磁共振成像的AD型老年痴呆辅助鉴别关键技术，以结构和功能脑图像为研究对象，深入剖析AD型老年痴呆的图像特征，为客观诊断、早期预测与预防和及时干预治疗提供科学依据，辅助科研人员做出正确的分析与判断，主要研究内容包括有效的图像预处理方法(去噪、平滑、空间标准化等)，鲁棒的图像表示方法，以及高效准确的分类器设计方法等，最终实现AD的正确鉴别，并搭建一个用于AD辅助鉴别和监控的原型演示系统。本项目的研究内容与关键技术隶属于模式识别领域，是对相关科学领域技术研究的重要拓展和补充，具有极大的挑战性，研究成果可广泛应用于神经病理学、脑神经学、脑认知学、神经解剖学、心理学等科学领域，具有重要意义。

阿尔茨海默病(Alzheimer's Disease/AD)是老年性痴呆的主要类型之一，是一种以记忆认知障碍为首要临床表现的神经退行性疾病。目前我国AD患者人数超过1000万，预计到2050年，人数将超过3000万，全球每85人中就有一人患有AD。本项目研究融合结构和功能磁共振成像的AD型老年痴呆辅助鉴别关键技术，以结构和功能脑图像为研究对象，深入剖析AD型老年痴呆的图像特征，为客观诊断、早期预测与预防和及时干预治疗提供科学依据，辅助科研人员做出正确的分析与判断，主要研究内容包括有效的图像预处理方法，鲁棒的图像表示方法，以及高效准确的分类器设计方法等，最终实现AD的正确鉴别，并搭建一个用于AD辅助鉴别的原型演示系统。. 在本项目的大力支持下，项目负责人及其成员在科学出版社出版学术专著1部，在国内外权威期刊与会议发表论文21篇，其中SCI收录5篇，EI收录9篇，申请国家发明专利7项，其中授权4项，登记软件著作权1项。. 本项目的研究内容与关键技术隶属于模式识别领域，是对相关科学领域技术研究的重要拓展和补充，具有极大的挑战性，研究成果可广泛应用于脑神经学、脑认知学、心理学等科学领域，具有重要意义。