Studies in Medical Sciences

fa تفکیک افتراقی بیماران آلزایمری از سالخوردگان نرمال با آنالیز کامپیوتری تصاویر ام آر ای مغزی DIFFERENTIAL DISCRIMINATION OF THE ALZHEIMER PATIENTS FROM NORMAL AGING BY COMPUTERIZE ANALYSIS OF THE BRAIN MRI فیزیک پزشکی فیزیک پزشکی پژوهشي(توصیفی- تحلیلی) Research پیش‌زمینه و هدف: تشخیص به‌موقع در توان‌بخشی بیماران با زوال عقلی ناشی از بیماری آلزایمر اهمیت بسزایی دارد. مطالعه توصیفی - کاربردی حاضر کوششی است برای کمک به بهبود دقت تشخیص و تفکیک به‌موقع بیماران آلزایمری از سالخورده سالم بروش آنالیز کامپیوتری ویژگی ساختار بافتی تصاویر ام آر ای مغزی.. بررسی متون نشان می‌دهد تحقیقات گسترده آنالیز کامپیوتری ساختاری داده‌های پیکسلی تصاویر دیجیتالی انجام‌شده در تشخیص افتراقی بیماری‌های مختلف نویدبخش است. مواد و روش‌ کار: با رعایت اخلاق پزشکی, تصاویر ام آر ای مغزی 13 بیمار آلزایمر و 13 بیمار سالمند مورد تفکیک کامپیوتری با نرم‌افزار مزدا MaZda قرار گرفتند. از طریق مارکرهایی در ناحیه هیپوکامپ هر تصویر مغزی, ناحیه موردنظر (region of interest=ROI) انتخاب و صدها پارامتر ویژگی ساختاری بافت هریک از نواحی ROI استخراج و مقادیر کمی‌شان برآورد و نهایتاً دو مجموعه ده‌تایی از بهترین پارامترهای توصیف‌کننده تمایز مشخصه‌های بافتی آلزایمر از سالخورده سالم با محاسبه ضریب فیشر ماکزیمم و یا مینیمم احتمال خطا + ضریب متوسط همبستگی تخلیص و سپس استاندارد شدند. تشخیص افتراقی آلزایمر از سالخوردگی سالم با کاربرد آنالیز مؤلفه اصلی (PCA), آنالیز تفکیک خطی (LDA) و آنالیز تفکیک غیرخطی ((NDA انجام گرفت. کارایی روش‌های کاربردی از طریق راست آزمایی و آنالیز منحنی راک ROC cure ازنظر حساسیت, ویژگی, و دقت مورد تحلیل و مقایسه قرار گرفتند. یافته‌ها: در تشخیص و تفکیک افتراقی بیماران آلزایمری از افراد سالخورده سالم, در کل کارایی روش LDA در مقایسه با PCA با حساسیت 92.85درصد ویژگی 100درصد از اطمینان 0.96 برخوردار بوده است. از طرفی در مقایسه با LDA, آنالیز ساختاری بافت بروش NDA از حساسیت 100درصد, ویژگی 100درصد و دقت 100 درصد برخوردار است. بحث و نتیجه‌گیری: تحقیق حاضر نشان می‌دهد تشخیص کامپیوتری اتروفی بافت مغزی در تصاویر ام آر ای می‌تواند به‌عنوان ابزار دقیق کمکی در تشخیص زودهنگام و توان‌بخشی به‌موقع بیماری آلزایمر مؤثر باشد.   Background & Aim: Early detection and reliable differentiation of the Alzheimer’s diseases from normal aging dementia provide optimal rehabilitation. MRI is a convenient imaging method for interpreting dementia caused by brain atrophy. Visual interpretation of brain MRI for atrophy is a qualitative procedure which un able to discriminate Alzheimer atrophy from aging brain atrophy. In recent years, Quantitative texture analysis of the medical imaging represent important biological information from pixels of the digital imaging for differential diseases discrimination. Quantitative texture analysis of the brain atrophy is not yet available for routine clinical use. The aim of this study is to evaluate performance of the applied automated texture analysis methods in discrimination Alzheimer versus normal aging by brain MRI. Materials & Methods: In this approach, a total of 26 brain MRI (13 Alzheimer and 13 normal aging) images were analyzed By MaZda software. About 26 suitable regions of interest (ROI) were selected from hippocampal on MR images. Up to 270 texture features parameters were computed per ROI. The sets of 10 features parameters as a best differential descriptor are selected by applying Fisher and or POE+ACC algorithms. Under two standard / nonstandard states, both sets of features were discriminated by PCA, LDA and NDA. The confuse matrix applied for determination sensitivity, specificity and accuracy of applied texture analysis methods. The ROC cure analysis was used for examining the discrimination performance of the applied texture analysis methods. Results: In comparison with PCA and LDA, in general, NDA has the best result for discriminating Alzheimer from normal aging dementia with sensitivity 100%, specificity of 100% and accuracy 100%. Conclusions: our results indicate that the computerize brain atrophy discrimination in MR image can be an auxiliary tool in diagnosing Alzheimer's in early stages.   اتروفی, زوال عقل, تصویربرداری رزونانس مغناطیسی, حساسیت, ویژگی Atrophy, Dementia, Magnetic Resonance Imaging, Sensitivity, Specificity 136 144 http://umj.umsu.ac.ir/browse.php?a_code=A-10-4052-1&slc_lang=fa&sid=1 Akbar Gharbali اکبر غربالی gharbali@yahoo.com 3700319475328460035477 3700319475328460035477 Yes Assistant Professor of Medical Physics, Urmia University of Medical Sciences, Urmia, Iran (Corresponding Author) استادیار فیزیک پزشکی، دانشگاه علوم پزشکی ارومیه، ارومیه، ایران (نویسنده مسئول) Rezvan Golestani رضوان گلستانی re.golestani28@gmail.com 3700319475328460035478 3700319475328460035478 No Master of Medical Physics, Urmia University of Medical Sciences, Urmia, Iran کارشناسی ارشد فیزیک پزشکی، دانشگاه علوم پزشکی ارومیه، ارومیه، ایران Surena Nazarbaghi سورنا نظرباغی surena.nazarbaghi@gmail.com 3700319475328460035479 3700319475328460035479 No Assistant Professor of Neurology, Urmia University of Medical Sciences, Urmia, Iran استادیار مغز و اعصاب، دانشگاه علوم پزشکی ارومیه، ارومیه، ایران