TY -的A2 Iriguchi Norio盟,Sakamoto良盟,Marano克里斯托弗AU -米勒,迈克尔。非盟- Lyketsos君士坦丁g . AU -李越盟——森进盟,Oishi Kenichi盟——ADNI,阿尔茨海默病的神经影像学PY - 2019 DA - 2019/01/29 TI -基于云计算的脑磁共振图像分割和分割系统个性化预测认知恶化SP - 9507193六世- 2019 AB -认知障碍患者和痴呆,准确预测认知恶化至关重要的能力准备未来,合作医疗保健提供者。尽管多个努力应用计算脑磁共振影像(MRI)分析预测认知恶化,大脑MRI与几个成功,并不定期量化在临床设置指导预后和临床决策。鼓励临床使用尖端的图像分割方法,我们开发了一个预测模型的建立基于网络的云平台,MRICloud。在构建的模型 训练数据集从阿尔茨海默病的神经影像学(ADNI),基线MRI扫描结合临床资料。每个MRI parcellated到265年解剖单位基于MRICloud全自动图像分割功能,测量每个包裹的体积。迷你精神状态检查(MMSE)被用作衡量认知功能。规范化的265个包裹,加上基线MMSE评分,年龄,和性是输入变量的绝对最小收缩和选择算子(套索)回归分析,与MMSE变化在随后两年作为预测目标。训练数据集上的执行分析分析估计真实之间的相关系数为0.64,预测患者的变化。接受者操作特征(ROC)分析估计的敏感性为0.88,特异性为0.76在预测大量认知恶化两年后,定义为MMSE下降≥4分。这MRICloud预测模型应用到一个 测试数据集约翰霍普金斯大学临床获得了核磁共振成像的记忆和阿尔茨海默氏症治疗中心(学习),临床护理。在后一种设置,1.0的模型都敏感性和特异性预测大量认知恶化。虽然MRICloud预测模型证明承诺作为一个平台,计算核磁共振结果可以很容易地扩展到临床使用,进一步研究更多的患者需要验证。SN - 2040 - 2295 UR - https://doi.org/10.1155/2019/9507193 - 10.1155 / 2019/9507193摩根富林明医疗工程PB - Hindawi KW - ER