摘要
人口老龄化导致更高的阿尔茨海默病患病率,造成沉重的家庭和社会负担。尽早发现是延缓和逆转病程的关键,但现有检测方法无法满足价格低廉、低侵入性、快速、可靠的筛查与检测需求。生理液体光谱技术已在医学检测方面显示出了潜力,但在阿尔茨海默痴呆症检测上所面临的挑战是血浆光谱中阿尔茨海默病相关特征信息难以提取以及多病程复杂分类的难题。本文从信息空间建立、特征挖掘以及筛查与检测体系构建的角度展开研究,建立模型特征波数驱动的阿尔茨海默病多病程自适应筛查与诊断体系。针对阿尔茨海默病早期、中期和晚期3个不同病程阶段,模型检测的灵敏度分别为90.0%、87.5%、100%;特异性分别为83.3%、93.7%、100%。实验结果表明,基于阿尔茨海默病多病程自适应筛查与诊断模型具有较好的检测灵敏度和特异性。
An aging population will inevitably make a higher prevalence of Alzheimer′s disease(AD),which results in a heavy burden on family and society.The early detection is the key to delaying or reversing the course of the disease.However,the current detection methods cannot meet the needs of inexpensive,low-invasive,rapid and reliable diagnosis of AD.The detection technology based on the biofluid spectra shows great potential in medical diagnosis.However,the challenge in the detection of dementia is difficult in extracting the characteristic information related to dementia in the plasma spectra and the complicated classification problem of multiple disease courses.For this reason,the research work will be carried out from the perspective of information space construction,feature information mining,and detection system design.An adaptive screening and diagnostic model for multiple disease courses of AD driven by the model feature wavenumber is constructed.For three different stages of AD,including early,middle,and late stages,the sensitivity of detection is 90.0%,87.5%,and 100%,respectively.And the specificities are 83.3%,93.7%,and 100%,respectively.Experimental results show that the proposed detection model provides superior classification power for AD.
作者
李志刚
胡德安
纪勇
吴昊
单鹏
Li Zhigang;Hu Dean;Ji Yong;Wu Hao;Shan Peng(College of Information Science and Engineering,Northeastern University,Shenyang 110819,China;Hebei Key Laboratory of Micro-Nano Precision Optical Sensing and Measurement Technology,Qinhuangdao 066004,China;Department of Neurology,Tianjin Huanhu Hospital,Tianjin 300350,China;Tianjin Key Laboratory of Cerebral Vascular and Neurodegenerative Diseases,Tianjin Dementia Institute,Tianjin 300350,China)
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2023年第1期182-189,共8页
Chinese Journal of Scientific Instrument
基金
天津市科技计划项目(22ZYCGSY00840)
天津市卫健委科技项目(ZC20121)
国家自然科学基金(61601104)
河北省自然科学基金(F2017501052)
中央高校基本科研经费(N2023021)项目资助
作者简介
通信作者:李志刚,1999年于燕山大学获得学士学位,2002年于燕山大学获得硕士学位,2005年于天津大学获得博士学位,现为东北大学副教授,主要研究方向为光谱分析与人工智能。E-mail:lizhigang@neuq.edu.cn;胡德安,2020年于安徽工程大学获得学士学位,现为东北大学在读硕士研究生,主要研究方向为光谱分析与信号处理。E-mail:hda5017@163.com;纪勇,1987年于中国医科大学获得学士学位,1999年于日本国立鸟取大学神经中心博士学位,现为天津环湖医院神经内科主任医师,主要研究方向认知障碍与痴呆症。E-mail:jiyongusa@126.com;吴昊,2012于河北医科大学获得学士学位,2015年于首都医科大学大学获得硕士学位,2020年至今为天津医科大学在读博士,现为天津环湖医院主治医师,主要研究方向为认知障碍与痴呆症。E-mai:xiaowu2pm@163.com;单鹏,2008年于西北大学获得学士学位,2011年于西北大学获得硕士学位,2015年于中国科学院大学自动化研究所获得博士学位,现为东北大学副研究员,主要研究方向为光谱分析与模式识别。E-mail:peng.shan@neuq.edu.cn
