An accurate and early diagnosis of

An accurate and early diagnosis of the Alzheimer’s Disease (AD) is of fundamental importance for the development of effective treatments to palliate the effects of the disease. Computer Aided Diagnosis (CAD) allows physicians to detect early stages of the disease, and functional brain images have been proved to be very useful in this task. This paper presents a new CAD system that consists of three stages: voxel selection, feature extraction and classification. Voxels are selected in terms of their significance, by using Mann–Whitney–Wilcoxon U-Test. Then, Factor Analysis is proposed to carry out the feature reduction step, by extracting common factors and factor loadings from the selected voxels. Finally, a Linear Support Vector Machine (SVM) classifier is trained to perform clustering of the input images. Two different databases are considered for testing the proposed methods: the first one, consists of 96 Single Photon Emission Computed Tomography (SPECT) images from the “Virgen de las Nieves” Hospital in Granada, Spain, and a 196 Positron Emission Tomography (PET) database from the Alzheimer’s Disease Neuroimaging Initiative (ADNI). The proposed method achieves accuracy results of up to 93.7% and 92.9% for SPECT and PET images respectively, and reports benefits over recently reported methods.

ผลลัพธ์ (ไทย) 1:

การวินิจฉัยถูกต้อง และช่วงต้นของโรคอัลไซเมอร์เป็น (AD) เป็นพื้นฐานสำคัญสำหรับการพัฒนาของผล palliate ผลกระทบของการเกิดโรค แพทย์ตรวจพบตั้งแต่ระยะเริ่มแรกของโรคทำให้คอมพิวเตอร์ช่วยการวินิจฉัย (CAD) และสมองทำงานได้รูปได้รับการพิสูจน์ให้เป็นประโยชน์มากในงานนี้ เอกสารนี้แสดงระบบ CAD ใหม่ที่ประกอบด้วยสามขั้นตอน: เลือกว็อกเซล แยกและจัดประเภท เลือก Voxels ในแง่ของความสำคัญของพวกเขา โดยมานน์ – วิทนีย์-Wilcoxon U-ทดสอบ แล้ว วิเคราะห์ปัจจัยนำเสนอการดำเนินการขั้นตอนการลดคุณลักษณะ โดยแยกปัจจัยร่วมและปัจจัย loadings จาก voxels เลือก สุดท้าย classifier เชิงสนับสนุนเวกเตอร์เครื่อง (SVM) คือการฝึกอบรมการทำคลัสเตอร์ของภาพเข้า ถือเป็นการทดสอบวิธีการนำเสนอฐานข้อมูลแตกต่างกันสอง: หนึ่ง ประกอบด้วยภาพเดียวเราปล่อยก๊าซคำนวณเครื่องเอ็กซเรย์คอมพิวเตอร์ (SPECT) 96 จากการ "Virgen เดอลา Nieves" โรงพยาบาลในกรานาดา ประเทศสเปน และฐานข้อมูลโพซิตรอน (PET) 196 จากของเสื่อมโรค Neuroimaging ในความคิดริเริ่ม (ADNI) วิธีการนำเสนอได้รับผลความถูกต้องของ 93.7% และ 92.9% สำหรับภาพ SPECT และ PET ตามลำดับ และรายงานผลประโยชน์มากกว่าวิธีรายงานเมื่อเร็ว ๆ นี้

ผลลัพธ์ (ไทย) 2:

การวินิจฉัยที่ถูกต้องและในช่วงต้นของโรคอัลไซเม (AD) เป็นพื้นฐานสำคัญสำหรับการพัฒนาของรักษาที่มีประสิทธิภาพในการบรรเทาผลกระทบของโรค การวินิจฉัยคอมพิวเตอร์ช่วย (CAD) ช่วยให้แพทย์ในการตรวจสอบขั้นตอนแรกของการเกิดโรคและภาพการทำงานของสมองได้รับการพิสูจน์แล้วว่าเป็นประโยชน์อย่างมากในงานนี้ บทความนี้นำเสนอระบบ CAD ใหม่ที่ประกอบด้วยสามขั้นตอน: เลือก voxel สกัดคุณลักษณะและการจำแนก ชุได้รับการคัดเลือกในแง่ของความสำคัญของพวกเขาโดยใช้ Mann-Whitney U-Wilcoxon ทดสอบ จากนั้นการวิเคราะห์ปัจจัยที่มีการเสนอที่จะดำเนินการขั้นตอนคุณสมบัติการลดโดยการสกัดปัจจัยที่พบบ่อยและแรงจากปัจจัยชุเลือก ในที่สุดการสนับสนุนเชิงเส้นเครื่องเวกเตอร์ (SVM) จําแนกได้รับการฝึกฝนในการดำเนินการจัดกลุ่มของภาพที่ป้อนข้อมูล สองฐานข้อมูลที่แตกต่างกันได้รับการพิจารณาสำหรับการทดสอบวิธีการที่นำเสนอ: คนแรกประกอบด้วย 96 เดี่ยว Photon Emission Computed Tomography (SPECT) ภาพจาก "Virgen เดอลาเว" โรงพยาบาลในกรานาดา, สเปนและ 196 Positron Emission Tomography (PET) ฐานข้อมูลจากโรคอัลไซเม Neuroimaging Initiative (ADNI) วิธีการที่นำเสนอบรรลุผลความถูกต้องสูงถึง 93.7% และ 92.9% สำหรับภาพ SPECT และ PET ตามลำดับและรายงานผลประโยชน์มากกว่าวิธีการรายงานเมื่อเร็ว ๆ

ผลลัพธ์ (ไทย) 3:

ที่ถูกต้อง และการวินิจฉัยของโรค ( AD ) เป็นสิ่งสำคัญพื้นฐานสำหรับการพัฒนาประสิทธิผลของการรักษาที่จะทำให้บรรเทาผลกระทบของโรค คอมพิวเตอร์ช่วยในการวินิจฉัย ( CAD ) ช่วยให้แพทย์ตรวจพบในระยะแรกของโรค และภาพสมองทํางานได้ถูกพิสูจน์แล้วว่าเป็นประโยชน์อย่างมากในงานนี้บทความนี้นำเสนอใหม่ระบบ CAD ที่ประกอบด้วยสามขั้นตอน : การเลือกว็อกเซล การสกัดคุณลักษณะและการจำแนก voxels ถูกเลือกในแง่ของความสำคัญ โดยใช้ Wilcoxon Mann Whitney U-test ) – . จากนั้นวิเคราะห์องค์ประกอบเสนอให้ดำเนินการคุณลักษณะการลดขั้นตอน โดยแยกปัจจัยร่วมปัจจัย และภาระจากเลือก voxels . ในที่สุดสนับสนุนเครื่องเวกเตอร์เชิงเส้น ( SVM ) ลักษณนามคือฝึกให้แสดงการจัดกลุ่มของข้อมูลภาพ สองฐานข้อมูลที่แตกต่างกันจะถือว่าการทดสอบวิธีที่เสนอ : คนแรกประกอบด้วย 96 การปล่อยโฟตอนเดี่ยวการคำนวณสร้างภาพโทโมกราฟี ( หม้อแปลงไฟฟ้า ) ภาพจาก " าส de las Nieves " โรงพยาบาลในกรานาดา , สเปนและการปล่อยโพซิตรอน ( PET ) 196 โทโมกราฟีฐานข้อมูลจากโรคระบบประสาทการ adni ) วิธีการบรรลุความถูกต้องผลลัพธ์ถึง 93.7 ร้อยละ 92.9 % spect และรูปภาพสัตว์เลี้ยงตามลำดับ และรายงานประโยชน์เหนือเมื่อเร็ว ๆนี้รายงาน
วิธี