El aprendizaje automático está explotando en la investigación de neuroimágenes en estos días.
La mayoría de estas técnicas no son detección, per se: están usando un parámetro basado en neuroimágenes para clasificar el Alzheimer vs. no-Alzheimer en grandes conjuntos de datos. La esperanza es que una de estas técnicas de ML brinde un conjunto de parámetros / características de imágenes que pueda clasificar mejor que un radiólogo que hace una lectura o un neurólogo que habla con un paciente y su familia (aún no ha sucedido. Mi suposición semi informada es que la clasificación del tumor es probablemente un problema mejor / más fácil para la ML).
El resumen del documento dice que están usando morfometría basada en voxel. VBM alisa y ajusta la resonancia magnética anatómica de cada sujeto a la misma plantilla estándar. Luego obtiene una medición de volumen en cada vóxel suavizado de su imagen procesada. A continuación, puede comparar los volúmenes de vóxel en una región determinada y en grupos de controles frente a pacientes. Eventualmente terminas con grupos de vóxeles donde hay diferencias significativas en el volumen.
No puedo hablar con el algoritmo ML / clasificación, a partir de un resumen del papel y el resumen: la característica principal que están utilizando en el documento parece ser las mediciones VBM para obtener un conjunto de características que son sus clústeres basados en VBM. Estas características se reducen aún más con ICA, y luego el conjunto reducido de características se usa para entrenar el clasificador.
En términos de biología, los cambios en el volumen de varias regiones son una característica del Alzheimer: puede usar los cambios de volumen de diferentes regiones para rastrear la progresión de la atrofia. Sin embargo, creo que la atrofia generalmente se encuentra en una etapa posterior de progresión de la enfermedad de Alzheimer, después de que ya se observan déficits cognitivos. En segundo lugar, puede ver los cambios de VBM en una amplia gama de pacientes: esta línea de su conclusión me llamó la atención: “Por lo tanto, clasificador PBL-McRBFN requiere todas las características morfométricas para clasificar el grupo de pacientes con AD consiste en un amplio rango de CDR de 0.5-2 y personas mayores sanas “.
Así que creo que su método de clasificación también atrapa la demencia leve y se ubica en el mismo grupo que la EA de moderada a grave.
