期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
轻度阿尔茨海默病患者脑功能网络度中心度改变的初步研究
被引量:
2
1
作者
贺娜英
陈克敏
+6 位作者
凌华威
丁蓓
张泳
黄娟
柴维敏
王涛
严福华
《诊断学理论与实践》
2013年第3期264-268,共5页
目的:利用度中心度(degree centrality,DC)的方法探讨轻度阿尔茨海默病(Alzheimer's disease,AD)患者及遗忘型轻度认知功能障碍(amnestic mild cognitive impairment,aMCI)患者在静息态下脑功能网络连接属性的改变。方法:收集12例轻...
目的:利用度中心度(degree centrality,DC)的方法探讨轻度阿尔茨海默病(Alzheimer's disease,AD)患者及遗忘型轻度认知功能障碍(amnestic mild cognitive impairment,aMCI)患者在静息态下脑功能网络连接属性的改变。方法:收集12例轻度AD患者、12例aMCI患者和15名健康老年志愿者(normal control,NC组)参加试验。所有受试者均行简易精神状态检查量表(mini-mental state examination,MMSE)及其他系列量表测试,评估其认知水平,并采集静息态功能MRI数据,经预处理和后处理计算出全脑DC值图,采用双样本t检验进行组间比较,分别检测轻度AD组与NC组、aMCI组与NC组间DC分布图间的统计学差异。结果:与NC组相比,轻度AD患者DC值减低的脑区主要分布在左侧眶部额下回、左侧额中回、左侧额下回、左侧后扣带回及右侧后扣带回;aMCI患者则分布于右侧楔前叶、左侧楔叶、右侧楔叶、右侧枕上回、右侧枕中回、左侧颞上回及右侧角回脑区DC值较NC组减低,而右侧前扣带回、左侧海马、左侧胼胝体压部的DC值较NC组升高。结论:基于静息态功能MRI数据的DC分析观察到轻度AD患者及aMCI患者在一些脑区发生了功能连接改变,DC作为一种新的基于体素水平描述脑网络属性的方法,可能对理解AD病理机制及观察其脑网络属性的改变提供了一个新视角。
展开更多
关键词
静息态功能磁共振
轻度阿尔茨海默病
遗忘型轻度认知功能障碍
脑功能网络
度中心度
原文传递
基于监督局部线性嵌入方法的阿尔茨海默病磁共振成像分类研究
2
作者
赵海峰
葛园园
王政
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2018年第4期613-620,共8页
针对阿尔茨海默病(AD)早期阶段分类这一研究难题,传统的线性特征提取算法很难从其高维特征中挖掘出鉴别能力较强的信息来有效地表示样本特征。因此,本文采用监督局部线性嵌入(SLLE)特征提取算法,对412例受试者的大脑皮质厚度(CTH)和脑...
针对阿尔茨海默病(AD)早期阶段分类这一研究难题,传统的线性特征提取算法很难从其高维特征中挖掘出鉴别能力较强的信息来有效地表示样本特征。因此,本文采用监督局部线性嵌入(SLLE)特征提取算法,对412例受试者的大脑皮质厚度(CTH)和脑感兴趣区域体积(VOI)特征进行提取,减少其冗余特征以提高识别精度。受试者来源于阿尔茨海默病神经影像学(ADNI)数据集,包含93例稳定型轻度认知障碍(s MCI)、96例遗忘型轻度认知障碍(a MCI)、86例AD患者和137例认知正常对照老年人(CN)样本。本文采用的SLLE算法是通过添加距离修正项来计算每个样本点的近邻点,并用近邻点线性表示样本,得到局部重建权值矩阵,进而求出高维数据的低维映射。为验证该算法在分类识别中的有效性,本文将主成分分析(PCA)、近邻最小最大投影(NMMP)、局部线性映射(LLE)及SLLE等特征提取算法分别与支持向量机(SVM)分类器组合,对CN与s MCI、CN与a MCI、CN与AD、s MCI与a MCI、s MCI与AD和a MCI与AD六组实验数据进行分类识别。结果显示,以VOI为特征,利用SLLE和SVM的复合算法对s MCI和a MCI的分类准确度、灵敏度、特异性分别为65.16%、63.33%、67.62%,基于LLE和SVM的复合算法分类结果分别为64.08%、66.14%、62.77%,而基于传统SVM则分别为57.25%、56.28%、58.08%。经比较,发现SLLE和SVM组合算法的识别精度较LLE和SVM的组合算法提高了1.08%,较SVM提高了7.91%。因此,利用SLLE和SVM这一复合算法进行分类识别更有利于AD的早期诊断。
展开更多
关键词
阿尔茨海默病
特征提取
监督局部线性嵌入
遗忘型轻度认知障碍
原文传递
题名
轻度阿尔茨海默病患者脑功能网络度中心度改变的初步研究
被引量:
2
1
作者
贺娜英
陈克敏
凌华威
丁蓓
张泳
黄娟
柴维敏
王涛
严福华
机构
上海交通大学医学院附属瑞金医院放射科
通用电气医疗集团磁共振研发部
上海精神卫生中心老年科
出处
《诊断学理论与实践》
2013年第3期264-268,共5页
文摘
目的:利用度中心度(degree centrality,DC)的方法探讨轻度阿尔茨海默病(Alzheimer's disease,AD)患者及遗忘型轻度认知功能障碍(amnestic mild cognitive impairment,aMCI)患者在静息态下脑功能网络连接属性的改变。方法:收集12例轻度AD患者、12例aMCI患者和15名健康老年志愿者(normal control,NC组)参加试验。所有受试者均行简易精神状态检查量表(mini-mental state examination,MMSE)及其他系列量表测试,评估其认知水平,并采集静息态功能MRI数据,经预处理和后处理计算出全脑DC值图,采用双样本t检验进行组间比较,分别检测轻度AD组与NC组、aMCI组与NC组间DC分布图间的统计学差异。结果:与NC组相比,轻度AD患者DC值减低的脑区主要分布在左侧眶部额下回、左侧额中回、左侧额下回、左侧后扣带回及右侧后扣带回;aMCI患者则分布于右侧楔前叶、左侧楔叶、右侧楔叶、右侧枕上回、右侧枕中回、左侧颞上回及右侧角回脑区DC值较NC组减低,而右侧前扣带回、左侧海马、左侧胼胝体压部的DC值较NC组升高。结论:基于静息态功能MRI数据的DC分析观察到轻度AD患者及aMCI患者在一些脑区发生了功能连接改变,DC作为一种新的基于体素水平描述脑网络属性的方法,可能对理解AD病理机制及观察其脑网络属性的改变提供了一个新视角。
关键词
静息态功能磁共振
轻度阿尔茨海默病
遗忘型轻度认知功能障碍
脑功能网络
度中心度
Keywords
Resting-state
functional
magnetic
resonance
imaging
mild
Alzheimer's
disease
amnestic
mild
cognitiveimpairment
Brain's
functional
networks
Degree
centrality
分类号
R445.2 [医药卫生—影像医学与核医学]
原文传递
题名
基于监督局部线性嵌入方法的阿尔茨海默病磁共振成像分类研究
2
作者
赵海峰
葛园园
王政
机构
安徽大学计算机科学与技术学院计算智能与信号处理教育部重点实验室
出处
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2018年第4期613-620,共8页
基金
国家自然科学基金(61502002)
安徽省教育厅自然科学研究重点项目(KJ2016A040)
文摘
针对阿尔茨海默病(AD)早期阶段分类这一研究难题,传统的线性特征提取算法很难从其高维特征中挖掘出鉴别能力较强的信息来有效地表示样本特征。因此,本文采用监督局部线性嵌入(SLLE)特征提取算法,对412例受试者的大脑皮质厚度(CTH)和脑感兴趣区域体积(VOI)特征进行提取,减少其冗余特征以提高识别精度。受试者来源于阿尔茨海默病神经影像学(ADNI)数据集,包含93例稳定型轻度认知障碍(s MCI)、96例遗忘型轻度认知障碍(a MCI)、86例AD患者和137例认知正常对照老年人(CN)样本。本文采用的SLLE算法是通过添加距离修正项来计算每个样本点的近邻点,并用近邻点线性表示样本,得到局部重建权值矩阵,进而求出高维数据的低维映射。为验证该算法在分类识别中的有效性,本文将主成分分析(PCA)、近邻最小最大投影(NMMP)、局部线性映射(LLE)及SLLE等特征提取算法分别与支持向量机(SVM)分类器组合,对CN与s MCI、CN与a MCI、CN与AD、s MCI与a MCI、s MCI与AD和a MCI与AD六组实验数据进行分类识别。结果显示,以VOI为特征,利用SLLE和SVM的复合算法对s MCI和a MCI的分类准确度、灵敏度、特异性分别为65.16%、63.33%、67.62%,基于LLE和SVM的复合算法分类结果分别为64.08%、66.14%、62.77%,而基于传统SVM则分别为57.25%、56.28%、58.08%。经比较,发现SLLE和SVM组合算法的识别精度较LLE和SVM的组合算法提高了1.08%,较SVM提高了7.91%。因此,利用SLLE和SVM这一复合算法进行分类识别更有利于AD的早期诊断。
关键词
阿尔茨海默病
特征提取
监督局部线性嵌入
遗忘型轻度认知障碍
Keywords
Alzheimer's
disease
feature
extraction
supervised
locally
linear
embedding
amnestic
mild
cognitiveimpairment
分类号
R445.2 [医药卫生—影像医学与核医学]
R749.16 [医药卫生—诊断学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
轻度阿尔茨海默病患者脑功能网络度中心度改变的初步研究
贺娜英
陈克敏
凌华威
丁蓓
张泳
黄娟
柴维敏
王涛
严福华
《诊断学理论与实践》
2013
2
原文传递
2
基于监督局部线性嵌入方法的阿尔茨海默病磁共振成像分类研究
赵海峰
葛园园
王政
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2018
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部