Спосіб аналізу томографічних зображень мозку

Реферат: UA 108030 U UA 108030 U 5 10 15 20 25 30 35 40 Корисна модель належить до галузі медичної діагностичної електроніки і може бути використана в системах магнітно-резонансної томографії та позитронно-емісійної томографії для діагностики нейродегенеративних захворювань мозку, зокрема хвороби Альцгеймера. Відомі способи ранньої неінвазивної діагностики хвороби Альцгеймера, засновані на дослідженні структурних або функціональних параметрів, отриманих на основі томографічних зображень мозку, а саме виявленні відхилень у локальному кровотоці та структурних змінах в областях гіпокампу. Зміни у функціонуванні та структурах мозку є маркерами розвитку нейродегенративних захворювань, зокрема хвороби Альцгеймера. Однак існуючі способи аналізу томографічних зображень мають невисоку точність та прогностичну цінність на ранніх стадіях. Загальними ознаками існуючого способу [A comparative study of feature extraction methods for the diagnosis of Alzheimer's disease using the ADNI database /[F. Segovia, J. Górriz, J. Ramírez та ін.]. //Neurocomputing. - 2012. - № 75. - С. 64-71.], найбільш близького до способу, що пропонується, є отримання інформації про функціональні зміни мозку людини за допомогою зображень позитронно-емісійної томографії та однофотонної комп'ютерної томографії шляхом аналізу гістрограм та виділенням неспецифічної активності мозку. Недоліком такого способу є нехтування інформації про структурні зміни мозку людини. З метою урахування структурних змін застосовують аналіз зображень мозку магнітно-резонансної томографії [Aggarwal N. First and Second Order Statistics Features for Classification of Magnetic Resonance Brain Images /N. Aggarwal, R.K. Agrawal //Journal of Signal and Information Processing, 3, 2012. - С. 146-153.]. Спільний недолік всіх існуючих методів аналізу: недостатньо високі показники точності, чутливості та специфічності діагностики при виявленні пацієнтів зі хворобою Альцгеймера. В основу корисної моделі поставлено задачу - удосконалити відомий спосіб шляхом використання мультимодальних ознак, а саме ознак, розрахованих на основі МРТ- та ПЕТзображень. Поставлена задача вирішується тим, що у відомому способі, який полягає в тому, що як ознаки, що використовуються для діагностики нейродегенративних хвороб, використовуються статистичні моменти областей інтересу, новим є те, що джерелом ознак є не тільки структурні, а й функціональні зображення, а як класифікатор використовується система нечіткого виводу. Спосіб, що пропонується, полягає в наступному. Томографічні зображення мозку людини, отримані за допомогою МРТ та ПЕТ технологій проходять попередню обробку, у результаті якої сегментовані зображення без кісток та інших неінформативних елементів. На основі відсегментованих зображень відбувається розрахунок статистичних параметрів у межах одного окремого регіону. Статистичний тест Стьюдента використовується для визначення міри інформативності регіону. Надалі параметри, обраховані у регіонах, що різняться найбільше, використовуються як вхідні ознаки для системи нечіткого виводу типу Сугено, що отримана за допомогою алгоритму кластеризації с-середніх. Таким чином, запропонований спосіб діагностики хвороби нейродегенеративних захворювань, зокрема хвороби Альцгеймера, за рахунок врахування структурних і функціональних змін, дозволяє отримати більш високі точність, специфічність, прогностичну цінність та селективність. ФОРМУЛА КОРИСНОЇ МОДЕЛІ 45 50 Спосіб аналізу томографічних зображень мозку, який полягає в тому, що томографічні зображення мозку обробляють та класифікують з метою діагностики хвороби Альцгеймера, який відрізняється тим, що як класифікатор використовується система нечіткого виводу типу Сугено, що отримана за допомогою алгоритму кластеризації с-середніх, а ознаками хвороби Альцгеймера є структурні та функціональні параметри, а саме середня щільність сірої речовини мозку, що отримана на основі аналізу МРТ-зображень, та середній локальний кровотік, що отриманий на основі аналізу ПЕТ-зображень, в деяких локальних областях мозку людини, які відібрані та відсортовані за пріоритетами на основі статистичного тесту Стьюдента. Комп’ютерна верстка А. Крижанівський Державна служба інтелектуальної власності України, вул. Василя Липківського, 45, м. Київ, МСП, 03680, Україна ДП “Український інститут інтелектуальної власності”, вул. Глазунова, 1, м. Київ – 42, 01601 1