文献 | AD影像学分类

(79) 2024-04-15 10:01:01

碎碎念:因为研究方向放在认知障碍这块了嘛,打算整理下AD影像学分类这块的研究,不过动作估计很慢啊哈哈哈哈......毕竟又是个相对陌生的领域.......

今日分享列表:

1. Rathore, Saima et al. “A review on neuroimaging-based classification studies and associated feature extraction methods for Alzheimer's disease and its prodromal stages.” NeuroImage vol. 155 (2017): 530-548. doi:10.1016/j.neuroimage.2017.03.057

2. Qiu S, Joshi PS, Miller MI, et al. Development and validation of an interpretable deep learning framework for Alzheimer's disease classification. Brain. 2020;143(6):1920-1933. doi:10.1093/brain/awaa137

os: 都不算最新“进展”了哈......先讲17年这篇综述,再讲20年这篇深度学习的article

目录

Backgrond

单模态

sMRI

fMRI

DTI

PET

多模态


Backgrond

研究认知障碍的朋友都应该熟悉下面这张炒鸡经典的图——来自2011年NIA-AA发布的AD诊断标准。由图可知,AD的诊、治越来越追求“早”这个字,那么问题来了,如何提高早期诊断率?从理想角度来说,检测脑β样淀粉样蛋白的相关指标最优选了——谁叫它发生得早(但非AD的“充要”条件),又是发病机制的核心环节呢~~~但事实上,一方面由于在中国CSF取样要求在病房完成,致使CSF-Aβ检测无法大范围开展,另一方面,核医学检测Aβ的PET又非常昂贵(12k+ rmb一次AV45-PET/MR......(ㄒoㄒ)/~~)因此,其他影像学的生物指标就有了广阔的发展空间和市场需要,AD的影像学分类研究就如火如荼滴发展起来~~~

文献 | AD影像学分类 (https://mushiming.com/)  第1张

单模态

分类框架主要分为4个环节:①特征提取 ②特征选择 ③降维 ④基于特征的分类算法

文献 | AD影像学分类 (https://mushiming.com/)  第2张

sMRI

根据所提取特征的不同可分为:

① 基于灰质体积:利用整体或部分灰质体积指标作为特征。之所以采用部分灰质体积指标来降低维度,是因为当特征数相对于训练集中的被试数较多时,在训练集上产生高精度可能是一种偶然现象,从而导致分类算法无法推广到新数据。

② 基于灰质表面:类似地,可采用整体或部分的灰质表面(顶点特征)指标作为分类特征

③ 基于预先设定的脑区:e.g. 海马

关于特征选择,如下图所示,既可以采用whole-brain信息,也可以进行一些挑选/降维(Biologically informed or antomated feature selection)

关于分类算法,SVM最为常用。其他还可选择:LDA ;orthogonal partial least square regression;random forest;regularization-based methods;voting-based ensemble methods;kernel SVM decision-tree;LPBM

文献 | AD影像学分类 (https://mushiming.com/)  第3张

fMRI

根据开始那张NIA-AA的AD生物标志物示意图可以看到:在AD从前驱期发展到痴呆期的过程中,fMRI/FDG-PET所示的脑功能改变要早于脑结构的改变,所以我认为,相对于sMRI,fMRI在早期诊断中意义要更大,但其缺点在于结果不“稳定”、处理流程不“标准化”。

得到特征的方式与sMRI处理思路是高度一致的。

基于FC的分类模型显示出良好的MCI/NC及AD/MCI分类效果(E. Challis, 2015;B. Jie, 2014)。

DTI

基于体素的研究表明,AD患者在后部白质的多个区域的各向异性分数(FA)降低,MCI患者在枕后 - 顶叶皮层、右顶叶缘上回中的平均扩散率(MD)增加。基于ROI的研究表明,AD中海马、后扣带回增高的MD和/或降低的FA同样也表现在临床前阶段。有研究表明,海马体的扩散率测量比体积更能预测MCI转化率(Fellgiebel等人,2006)。根据特征提取方式的不同,DTI特征研究可以进一步分为三类:i)基于纤维束 ii)基于连接的网络指标 iii)基于统计结果。

PET

FDG-PET 

Aβ-PET

Tau-PET

处理思路同sMR、fMR......不赘述

多模态

sMRI + fMRI + DTI + PET + 神经精神量表评分 + 遗传信息(APOE...) + 体液标志物(CSF...)    组合

又可继续分为:直接特征串联;特定融合框架(考虑到不同模态所得特征性质不同)

文献 | AD影像学分类 (https://mushiming.com/)  第4张

 

THE END

发表回复