基于正电子发射计算机断层显像和磁共振的机器学习在阿尔茨海默病诊断中的研究进展
陈志庚
闫少珍
卢洁
100053 北京,首都医科大学宣武医院放射与核医学科 磁共振成像脑信息学北京市重点实验室 神经变性病教育部重点实验室
摘要：阿尔茨海默病(Alzheimer's disease,AD)是以记忆丧失和认知障碍为主要症状的神经退行性疾病,轻度认知功能障碍(mild cognitive impairment,MCI)是介于正常衰老与 AD之间的状态,其认知功能轻度减退,而日常能力未受影响,其中10％～15％在1年内转化为AD[1].主观认知下降(sub-jective cognitive decline,SCD)表现为个体主诉认知能力下降,但认知能力检测未见异常,部分患者将进展为MCI或AD.AD起病隐匿,早期诊断困难,目前临床迫切需要一种准确高效的诊断技术,进行早期诊断和预测转化,帮助临床制定个体化诊疗方案,延缓病程进展.MRI和正电子发射计算机断层显像(positron emission computed tomography,PET)检测脑结构、功能、葡萄糖代谢、病理性蛋白等信息已成为诊断AD的主要手段[2-4].随着人工智能技术的不断发展,基于传统机器学习算法及其新的发展分支深度学习算法已广泛用于AD诊断和预后评估,具有广阔的应用前景.我们旨在综述基于机器学习算法的多模态MRI和PET在AD早期诊断及预测进展的研究现状.
关键词：阿尔茨海默病诊断正电子发射断层显像术磁共振成像机器学习
资助基金：国家自然科学基金(82102010)北京市科技新星计划项目(2021B00001609)北京市科技新星计划项目(20220484177)北京市科技计划项目(Z201100005520018)
论文发表日期：2023-12-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：3( 1413-1415 )