Инженерные методы диагностики болезни Aльцгеймера
##plugins.themes.bootstrap3.article.main##
Аннотация
В работе рассмотрена проблема диагностики болезни Альцгеймера. Приведен обзор совре
менных методов автоматической диагностики болезни Альцгеймера по сигналам электроэн
цефалограмм, а также по изображениям магнитно-резонансной томографии и однофотонной эмиссионной компьютерной томографии. Приведены показатели эффективности их работы, указано их недостатки и достоинства и на проблему потенциальной избыточности признаков болезни Альцгеймера, которые используются в современных системах автоматизации диагно стики. Приведены рекомендации для дальнейшего развития методов автоматической диагно стики болезни Альцгеймера. В особенности применение математического аппарата нечеткой логики.
Библ. 29, рис. 6
##plugins.themes.bootstrap3.article.details##
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, публикующиеся в данном журнале, соглашаются со следующими условиями:- Авторы сохраняют за собой права на авторство своей работы и предоставляют журналу право первой публикации этой работы на условиях лицензии Creative Commons Attribution License, которая позволяет другим лицам свободно распространять опубликованную работу с обязательной ссылокой на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы сохраняют право заключать отдельные договора на неэксклюзивное распространение работы в том виде, в котором она была опубликована этим журналом (например, размещать работу в электронном архиве учреждения или публиковать в составе монографии), с условием сохраниения ссылки на оригинальную публикацию в этом журнале.
- Политика журнала разрешает и поощряет размещение авторами в сети Интернет (например в институтском хранилище или на персональном сайте) рукописи работы как до ее подачи в редакцию, так и во время ее редакционной обработки, так как это способствует продуктивной научной дискуссии и положительно сказывается на оперативности и динамике цитирования статьи (см. The Effect of Open Access).
Библиографические ссылки
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.
