基於空間模式的特徵提取算法在擴散磁共振造影中診斷神經退化性疾病

提取特徵是影像分類中，成功分類的關鍵步驟。良好的特徵可呈現與其他組之差異。影像體學分析是目前提取特徵的熱門方法。但就神經退化性疾病的大腦影像而言，該方法恐無法在同時描述多個受影響的區域，因其設計為從單一感興趣區域中挖掘大量特徵。 神經退化性疾病對大腦影響的演變，始於多區域且逐漸累積的細微變化所致，如帕金森氏症與阿茲海默症。受疾病影響的區域在早期為數甚少而後期廣泛散佈。疾病早期，單一區域的結構變化幾乎難以被察覺，但擴散張量造影中卻已被證明是神經退化性疾病的潛在生物標誌。本研究案旨在開發一種新的特徵提取和選汰算法，該算法基於疾病影響產生的獨特空間模式。具體提出的特徵提取算法，首先識別目標疾病的空間模式並透過在積累受影響的大腦區域微小變化來構建可區分的網絡。初步此法所提取未經優化的特徵集在阿茲海默症病患者和正常對照的分類達到92％驗證準確度。我們首先將最佳化本特徵提取算法，特徵選擇方法和分類器。並將應用於其他神經退行性疾病。在這個為期三年的項目中，將分別招募40名帕金森氏病和輕度認知障礙患者進行分類模型驗證。最終，我們將把本地數據庫與國際神經退行性疾病數據庫相結合，以評估可行性並證明其診斷性能。

系統編號:PB10907-3104
原計畫編號:MOST109-2221-E182-009-MY3