Studies in Medical Sciences

fa تشخیص آلزایمر در مراحل اولیه بیماری با استفاده از آنالیز ساختاری خطی تصاویر ام آر ای افراد سالمند و بیمار DIAGNOSIS OF ALZHEIMER'S DISEASE IN EARLY STAGE USING LINEAR TEXTURE ANALYSIS IN MRI IMAGES فیزیک پزشکی فیزیک پزشکی پژوهشي(توصیفی- تحلیلی) Research پیش‌زمینه و هدف: سنجش بصری تصاویر MRI قادر به تفکیک آتروفی ناشی از آلزایمر و آتروفی ناشی از سالمندی نمیباشد. ازآنجایی‌که تشخیص بیماری آلزایمر در مراحل اولیه باارزش است بنابراین شناسایی راهی برای مشاهده آلزایمر در مراحل اولیه مفید است. این مطالعه بر اساس تشخیص کامپیوتری و استفاده از آنالیز ساختار بافت در تصاویر ام‌ آر ای به‌منظور بهبود دقت تشخیص آلزایمر و جداسازی آتروفی آلزایمر در مراحل اولیه از آتروفی طبیعی ناشی از سالمندی است. روش کار: تصاویر MR شامل 13 بیمار آلزایمر و 13 نفر سالم سالمند میباشد. بالای 270 پارامتر ساختار که مربوط به ROI انتخاب‌شده در هر تصویر توسط نرم‌افزار مزدا (ورژن 6-4) استخراج شده است. دو الگوریتم کاهش ویژگی که شامل الگوریتم فیشر و الگوریتم POE+ACC است برای انتخاب بهترین پارامترها بکار میروند. پارامترهای به‌دست‌آمده مورد آنالیز قرار گرفته که شامل آنالیزهای مؤلفه اصلی PCA ))، آنالیز تفکیک خطی(LDA) است ماتریس کانفیوژن برای بررسی منحنی راک مربوط به ماکزیمم مقادیر آنالیزهای PCA,LDA برای مقایسه بهترین آنالیزها نیز بکار رفته است و سطح زیر هر نمودار نیز محاسبه شده است. یافته‌ها: بهترین آنالیز مربوط به آنالیز LDA که دارای قدرت تفکیک درصد 96 بین آتروفی ناشی از آلزایمر در مراحل اولیه بیماری و آتروفی ناشی از سالمندی است. بحث و نتیجه‌گیری: هدف از این کار بررسی آتروفی ناشی از آلزایمر در مراحل اولیه و تفکیک آن با آتروفی ناشی از سالمندی است که در تصاویر MRI به‌صورت بصری قابل‌مشاهده نمیباشد. این روش میتواند به‌عنوان ابزار کمکی در بهبود دقت تشخیص آلزایمر بکار رود و در زمان و هزینه صرفه‌جویی کند. Background & Aims: The purpose of this study was to evaluate the potential of linear discriminant analysis (LDA) and principal component analysis (PCA) in discriminating atrophy of Alzheimer's disease in early stage and atrophy of aging using MRI images. Materials & Methods: In general, 26 MRI images (13 Alzheimer and 13 elderly) were analyzed under applied options and two texture features analysis methods: principal component analysis (PCA), linear discriminant analysis (LDA) using MaZda software. The K-NN (K=1) classifier was used for features resulting from PCA and LDA. The confusion matrix and Receiver operating characteristic (ROC) curve were also calculated. Results:  Computer aim diagnosis is able to discriminate atrophy of Alzheimer's disease from atrophy of normal aging. Discussion: Our results indicated that texture analysis can be an auxiliary tool in diagnosing Alzheimer's disease in early stages. آتروفی, آلزایمر, آنالیز ساختار Atrophy, Alzheimer's disease, texture analysis 15 23 http://umj.umsu.ac.ir/browse.php?a_code=A-10-4031-1&slc_lang=fa&sid=1 Rezvan Golestani رضوان گلستانی re.golestani28@gmail.com 3700319475328460030030 3700319475328460030030 No Master of Medical Physics, Urmia Department of Medical Physics, Urmia University of Medical Sciences, Iran کارشناسی ارشد فیزیک پزشکی، گروه فیزیک پزشکی ارومیه، دانشگاه علوم پزشکی، ارومیه، ایران Akbar Gharbali اکبر غربالی gharbali@yahoo.com 3700319475328460030031 3700319475328460030031 Yes Assistant Professor of Medical Physics, Urmia University of Medical Sciences, Urmia, Iran (Corresponding Author) استادیار فیزیک پزشکی، دانشگاه علوم پزشکی، ارومیه، ایران (نویسنده مسئول) Surena Nazarbaghi سورنا نظرباغی surena.nazarbaghi@gmail.com 3700319475328460030032 3700319475328460030032 No Associate Professor of Neurology, Department of Neurology, Urmia University of Medical Sciences دانشیار مغز و اعصاب، دانشگاه علوم پزشکی، ارومیه، ایران