机构名称：
¥ 1.0
与阿尔茨海默病 (AD) 相关的大脑病理变化可以通过神经影像学测量。在过去的几年中，这些测量方法在分类框架的帮助下迅速融入到阿尔茨海默病 (AD) 的特征中，这些分类框架为诊断和预后提供了工具。这是一项基于神经影像学和认知障碍分类的阿尔茨海默病综述研究。这项工作是对 AD 领域特别是计算机辅助诊断领域已发表工作的系统综述。成像方式包括 1) 磁共振成像 (MRI) 2) 功能性 MRI (fMRI) 3) 扩散张量成像 4) 正电子发射断层扫描 (PET) 和 5) 淀粉样蛋白-PET。研究表明，基于特征的分类标准在诊断疾病方面显示出良好的效果，并有助于临床进展。用于 AD 诊断的最广泛使用的机器学习分类器包括支持向量机、贝叶斯分类器、线性判别分析和 K-最近邻以及深度学习。研究表明，深度学习技术和支持向量机在阿尔茨海默病的识别方面具有更高的准确性。本文还讨论了可能面临的挑战以及未来的发展方向。DOI：10.9781/ijimai.2021.04.005
阿尔茨海默病检测技术和方法
主要关键词
相关文件推荐
