阿尔茨海默氏症的多模医学影像辅助诊断与预测算法的研究

The prevalence of Alzheimer's disease (AD) were rapidly increasing in recent years. As neuron damage is irreversible and no effective treatment has been found, early diagnosis and prediction are crucial for the management of AD. Medical imaging techniques provide evidences for possible computer-aided diagnosis of Alzheimer's disease.However, information from unimodality image still cannot reach clinical requirements.This project aims to infuse brain anatomical information from magnetic resonance imaging (MRI) and metabolic information from positron emission tomography (PET) to increase discrimination accuracy of early AD or high-risk subjects. Investigations include: (1)collecting anatomical and metabolic information from known data with image registration; (2) infusing the anatomical and metabolic information of known data and projecting subjects onto a common Euclidean space; (3) constructing diagnosis and prediction model using pattern classification algorithm; (4) colleting anatomical and metabolic information of a to-be-diagnosed patient and completing diagnosis or prediction. Compared with the existing methods, the proposed approach in this project is advantageous for extracting more precise image information which facilitates the early diagnosis of AD and prediction of high-risk subjects that early intervention and control of AD are effective.

近年来阿尔茨海默氏症患者的数目快速增长，由于医学界迄今仍未找到能有效治疗该病症的方法，因此阿尔茨海默氏症的早期诊断和前期预测至关重要。影像技术为阿尔茨海默氏症的计算机辅助诊断提供了重要依据，然而现有方法大多使用单一的影像信息，仍无法达到临床诊断的要求。本项目将脑部MRI解剖结构信息和PET代谢功能信息相融合，以提高对阿尔茨海默氏症早期患者和高危个体甄别的准确率。研究内容包括：1)利用图像配准算法，从形变场中采集已知图像数据的结构和功能信息；2）融合已知图像数据的结构和功能信息，应用投影算法将已知个体映射到统一的空间；3）利用模式识别算法建立诊断和预测判决模型；4)采集待诊断个体图像数据的结构和功能信息，将待诊断个体嵌入已建立的判决模型，完成诊断或预测。本项目较现有算法能提取更多更精确的图像信息，以实现对阿尔茨海默氏症早期患者的诊断和高危个体的预测，为该病症的早期治疗干预和控制提供可能。

本课题旨利用并融合脑部磁共振成像（MRI）的解剖结构信息和正电子发射断层成像（PET）的代谢功能信息，建立基于遍历式特征提取的模式分类算法，以实现对阿尔茨海默氏症的早期诊断与预测。课题完成了基于微分同胚配准形变场的计算和量化，获得了不同个体图像间高精确度的相似度描述，以及结构信息与功能代谢信息的相互融合。同时利用遍历式特征比较方法，应用多维尺度变换算法将所有个体定位到低维欧几里得空间，然后在此空间训练判决模型，并对待诊断个体进行分类。本课题研究算法获得了很好的阿尔茨海默氏症辅助诊断结果，经比较发现，本课题算法在现有文献报道的基础上将阿尔茨海默氏症诊断正确率提高了5%，而对阿尔茨海默氏症的预测则提高了10%以上。本课题研究不仅具有科研价值、学术价值，对临床诊断、健康医疗产业也具有相当的社会价值。相信未来将在阿尔茨海默氏症的临床诊断、前期筛查、早期干预中发挥重要作用。