Multi-Channel neurodegenerative pattern analysis and its application in Alzheimer's disease characterization

عصبی تصویر برداری نقش مهمی در تشخیص غیر تهاجمی و تمایز اختلالات نوروژنیک مانند بیماری آلزایمر و اختلال شناختی خفیف ایفا کرده است. ویژگی های مختلف از داده های تصویر برداری عصبی برای مشخص کردن اختلالات استخراج شده است و این ویژگی ها را می توان تقریبا به ویژگی های جهانی و محلی تقسیم کرد. مطالعات اخیر نشان می دهد که تمایل به استفاده از ویژگی های محلی در ویژگی های بیماری، از آنجا که آنها قادر به شناسایی الگوهای ظریف بیماری خاص مرتبط با اثرات بیماری در مغز انسان است. با این وجود، اگر پایگاه داده های تصویربرداری شامل اختلالات متعدد یا اختلالات پیشرونده باشد، مشکلات بوجود می آیند، به عنوان اختلالات انواع مختلف و یا در مراحل مختلف پیشرفت ممکن است الگوهای مختلف دژنراتیو را نشان می دهد. محققان دشوار است برای دستیابی به توافق در مورد آنچه که مغز مناطق می تواند به طور موثر تشخیص اختلالات چندگانه یا مراحل پیشرفت چندگانه. در این مطالعه، یک روش تجزیه و تحلیل الگو چند کاناله برای شناسایی ویژگی های متابولیسم مغزی ناشی از اختلالات مغزی در تشخیص اختلال های عصبی-دهان سازمانی پیشنهاد شده است. ما روش ما را به روش های جهانی و سایر روش های تجزیه و تحلیل الگو بر اساس تخصص بالینی یا آزمون های آمار مقایسه کردیم. نتایج اولیه نشان داد که روش تجزیه و تحلیل طرح چند کاناله پیشنهادی در خصوص ویژگی بیماری آلزایمر بهتر از روش های دیگر بود و در عین حال بینش مهم در زمینه آسیب شناسی مبتنی بر بیماری آلزایمر و اختلال شناختی خفیف را ارائه داد.