Earticle

초록

한국어

변량 분석 알고리듬은 알츠하이머 병을 예측하기 위한 툴로 종종 사용된다. 정상인으부터 경도인지장애와 알츠하이머 병의 효과적인 조기 예측 및 진단은 매우 중요하다. 조기 예방 치료는 노인 복지에 있어 점차적으로 위험요소를 줄이 는데 도움이 되며 안정적인 삶이 보장되어 질 것이다. 비침습적인 바이오마커로 MRI가 사용된다. 이는 형태학적 차이 와 뇌 위축 정도를 파악한다. 그리고 Freesurfer 툴을 사용하여 피질 분할 후 MRI 슬라이스를 사용한다. 새로운 접 근법은 듀얼 트리 복한 웨이블릿 계수 추출, 최소 중복성과 최대 관계 특색 부분 집합을 사용하여 정상인과 알츠하이 머 병 예측에 적용한다. 새로운 제안 방법의 성능은 91.02±3.38%, 83.10±3.4%로 높은 특이도와 민감도의 성능이 며 예측 정확도는 87.07±2.71%까지 산출되어진다. 실험결과는 제안 방법은 기존의 방법보다 우수함을 보여준다.

영어

Multivariate analysis algorithms have been frequently used tool for predicting Alzheimer disease (AD). An efficient early prediction and diagnosis of AD and Mild Cognitive Impairment (MCI) from Healthy Controls (HC) is always very important. Early preventive care could help to degenerate its risk factors gradually in the elderly and the stable life will be guaranteed. The noninvasive biomarker of Magnetic Resonance (MR) images are used here because morphometric difference and cerebral atrophy could be realized. And we also used MR image slices after subcortical segmentation by using FreeSurfer tool. A novel approach is applied for predicting AD from HC using dual tree complex wavelet coefficients extraction, principal components of min-redundancy and max relevance feature subset selection. The prediction accuracy of the novel proposed method is yielded up to 87.07±2.71% with high specificity, sensitivity about 91.02±3.38%, 83.10±3.4% respectively. The experimental results show that the performance of our proposed method is better than that of conventional ones.

목차

요약
 Abstract
 1. Introduction
 2. Material and Method
  2.1 Overview of the experimental Data
  2.2 Preprocessing, Segmentation, Slice Extraction
  2.3 Dual tree complex wavelet transform
  2.4 Max-Dependency, Max-Relevance, and Min-Redundancy feature subset
  2.5 Principal Component Analysis
  2.6 Kernel Support Vector Machine
 3. Result and Discussion
 4. Conclusion
 Acknowledgments
 References

저자

• 알람 사루알 [ Saruar Alam | Department of Information and Communication Engineering, Chosun University ]
• 권구락 [ Goo-Rak Kwon | Department of Information and Communication Engineering, Chosun University ]
• ADNI [ Alzheimer’s Disease Neuroimaging Initiative ]

참고문헌