Інженерні методи діагностики хвороби Альцгеймера
Основний зміст сторінки статті
Анотація
Розглянуто проблематику діагностики хвороби Альцгеймера. Приведено огляд сучасних інженерних методів автоматичної діагностики хвороби Альцгеймера за сигналами електроенцефалограми, а також за зображеннями магнітно-резонансної томографії та однофотонної емісійної комп’ютерної томографії. Приведено показники ефективності методів, вказано на їх переваги і недоліки та на проблему потенційної надлишковості ознак хвороби Альцгеймера, які використовуються в сучасних системах автоматизації діагностики.
Приведені рекомендації щодо подальшого розвитку методів автоматичної діагностики хвороби Альцгеймера, зокрема щодо використання математичного апарату нечіткої логіки.
Бібл. 29, рис. 6.
Блок інформації про статтю
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
Посилання
Alzheimer Disease [Electronic Resource], Mode of access: URL : http://memini.ru/encyclopaedia/111 (Rus)
Abasolo D., Hornero R., Escuerdo P. (2007), “Electroencephalogram Background Activity Characterization with Approximate Entropy and Auto Mutual Information in Alzheimer’s Disease Patients”. Proceeding of the 29th Annual International Conference of the IEEE EMBS Cite Internationale – P. 6191-
Abou-Khalil B., Musilus K. E. (2006), “Atlas of EEG & Seizure Semiology”. Elsevier. Р. 250.
Aggarwal N., Agrawal R. K. (2012), “First and Second Order Statistics Features for Classification of
Magnetic Resonance Brain Images“. Journal of Signal and Information Processing. Pр. 146-153.
Alvarez I., Gorriz J. M., Ramirez J., Sals-Gonzalez D. (2009), “Alzheimer’s diagnosis using eigenbrains and support vector machine”. Electronic Letters Vol. 45 (7). Pр. 342-343.
Cho S. Y., Kim B. Y., and others. (2003), “Automatic Recognition of Alzheimer’s Disease with Single
Channel EEG Recordings”. Proceedings of the 25thAnnual International Conference of the IEEE
EMBS, Cancun, Mexico September. Pр. 2655-2668.
De Bock Th. J., Das S., Mhsin M., and others. (2010), “Early Detection of Alzheimer’s Disease Using
Nonlinear Analysis of EEG via Tsillis Entropy”. Conference Proceeding BSEC. Pр. 1-4.
Gorriz J. M., Ramirez J., Lassl A., and others. (2008), “Automatic Computer Aided Diagnosis Tool using Component-based SVM”. Nuclear Science Symposium Conference Record. Pр. 4392-4395.
Jacques G., Frymiare J. L., Kounis J., and others. (2004), “Multiresolution Analysis for Early Diagnosis
of Alzheimer’s Disease“. Proceeding of the 26th Annual International Conference of the IEEE EMBS.
Pр. 251-254.
Lahmiri S., Boukadoum M. (2012), “Automatic Brain MR Images Diagnosis Based on Edge Fractal
Dimension and Spectral Energy Signature”. 34th Annual International Conference of the IEEE EMBS.
Pр. 6243-6246.
Lopez M., Ramirez J., Gorriz J. M., and others. (2009), “Automatic tool for Alzheimer’s diagnosis using
PCA and Bayessian classification rules”. Electronic Letters Vol. 45 (8). Pр.389-391.
Lopez M., Ramirez J., Gorriz J. M., and others. (2009), “Multivariate approaches for Alzheimer’s disease diagnosis using Bayesian classifiers”. Nuclear Science Symposium Conference Record. Pр.
-3193.
Sheil W. C. (2012), “Magnetic Resonance Imaging (MRI Scan)”. Medicine Net.com
Niedermeyer E., da Silva F. L. (2006), “Electroencephalography: Basic Principles, Clinical Applications, and Related Fields”. Lippincot Williams & Wilkins. Р. 1256.
Novelline R. A. (2004), “Squire's fundamentals of radiology”. Harvard University Press. – 660 pages.
Nowotny P., Known J. M., Goate A. M. (2001), “Alzheimer Disease”. ENCYCLOPEDIA OF LIFE
SCIENCES Nature Publishing
Padilla P., Gorriz J. M., Ramirez J., Chaves R. (2010), “Alzheimer’s disease detection in functional
images using 2D Gabor wavelet analysis”. Electronic Letters Vol. 46 (8). Pр.556-558.
Petrosian A., Prokhorov D., Schiffer R. (1999), “Recurrent neural Network and Wavelet Transform
based Distinction Between Alzheimer and Control EEG”. Proceeding of The First Joint BMES/EMBS
Conference Serving Humanity, Advancing Technology. Pр.1185.
Querfurth H. W., LaFerla F. M. (2010), “Mechanisms of Disease: Alzheimer’s disease”. The New England Journal of Medicine, 362 (4). Pр. 329-344.
Rahmim A., Zaidi H. (2008), “Review article: PET versus SPECT: strengths, limitations and challenges”. Nuclear Medicine Communications Vol. 29 (3). Pр.193-207.
Ramirez J., Chaves R., Gorriz J. M., Lopez M., and others. (2009). “Computer aided diagnosis of the
Alzheimer’s Disease combining SPECT-based feature selection and Random forest classifiers”. Nuclear Science Symposium Conference Record. Pр. 2738-2742.
Ramirez J., Gorriz J. M., Chaves R., and others, (2009) “SPECT image classification using random
forests“. Electronic Letters Vol. 45 (12). Pр.604-605.
Wan B., Gao X., Liu X., and others. (2011), “Electroencephalogram Mutual Information Entropy Analysis for Alzheimer’s Disease”. International Conference on Electrical and Control Engineering (ICECE).
Pр. 4486-4489.
Yagneswaran S., Baker M., Petrosian A. (2002), “Power Frequency and Wavelet Characteristics in
Differentiating Between Normal and Alzheimer EEG” Proceedings of the Second Joint EMES/BMES
Conlerence. Pр.46-47.
Zhang Y., Dong Zh., Wu L. (2011), “A hybrid method for MRI brain image classification”. Expert System with Applications 38. Pр. 1049-1053.
Gnezditsky V. V. (2004), “Inverse problem of EEG and Clinical Electroencephalography (mapping and
locating the source of electrical activity of the brain)”. Moscow : MEDpress-inform. Р. 626. (Rus)
Zenkov L. R. (1996), “Clinical Electroencephalography (with elements of epilepsy)”. Taganrog TSURE
Publishing. Р. 358. (Rus)
Kaufmann A. (1982), “Introduction to the fuzzy sets theory”. Moscow : Radio i svyaz. Р. 432.
Yahyeva G. (2006), “Fuzzy sets and neural networks”. Moscow : BINOM. Р. 316.
