APP下载

基于MRI的影像组学在阿尔茨海默病中的研究进展

2021-03-28王笑男李春媚陈敏

中国医学影像学杂志 2021年10期
关键词:特征方法模型

王笑男,李春媚,陈敏*

1.北京医院放射科 国家老年医学中心 中国医学科学院老年医学研究院,北京 100730;2.中国医学科学院北京协和医学院研究生院,北京 100730;*通信作者 陈敏 cjr.chenmin@vip.163.com

阿尔茨海默病(Alzheimer's disease,AD)是老年人最常见的痴呆类型,通常起病隐匿,进行性发展,伴有记忆力减退、认知功能障碍及性格行为异常等多种临床症状[1],早期难以准确诊断及鉴别诊断,容易延误治疗。AD的主要病理学特征为脑内β-淀粉样肽聚集形成神经斑,神经纤维缠结及神经元变性或缺失[2],目前尚无有效治疗措施可以停止或逆转AD的进展,因此寻找一种可以早期诊断AD的影像学方法,对疾病的准确诊断、早期干预及预后预测尤为重要。影像组学通过高通量提取医学影像图像的灰度、形状、纹理及滤波等特征,利用统计和机器学习的方法,为临床疾病的准确诊断和早期治疗提供依据[3]。近年来,影像组学在神经退行性疾病,尤其是在AD的研究中迅速发展,本文对其基本原理、临床应用及前景进行综述。

1 基于MRI的影像组学概述

影像组学是从医学图像中提取大量特征,进而进行定量描述及定量分析的研究方法,其基本工作流程包括图像采集、图像分割、特征提取、特征选择、模型建立5个步骤[4]。

1.1 图像采集与图像分割 图像采集是影像组学的基础,用于AD的图像可以来自地方医疗机构[5]和(或)公开数据库[6-9]。目前最常用的序列是高分辨率T1WI图像。为了消除不同采集机型及不同扫描参数对图像的影响,可对MR影像进行预处理,包括图像配准、直方图均衡化、三线差值重采样等方法[10],目前,这些预处理方法的选择标准及适用条件尚无统一定论。……

登录APP查看全文

猜你喜欢

特征方法模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
3D打印中的模型分割与打包
用对方法才能瘦
四大方法 教你不再“坐以待病”!
捕鱼
线性代数的应用特征