Beyin görüntüleme tekniklerinin alzheımer hastalığı erken tanı tahmininde kullanılması

Abstract

Demans tipine göre hastaların beyinleri karakteristik farklılıklar gösterir. Beyin korteks kalınlığı, bazı bölgelerin hacmi veya yüzey alanı gibi ölçülendirmeleri, hastalık tiplerinin belirlenmesinde etkilidir. Tıbbi görüntüleme standartlarına uygun beyin görüntüleri manyetik rezonans görüntüleme cihazlarından elde edilebilir. Görüntülerin başlık kısmı, hastalara, hastalıklara, ayrıca görüntüleme çalışmalarına olmak üzere farklı tür birçok teknik olan veya olmayan bilgi barındırır. Beyin görsel dosyaları ve başlıkları üzerinden görüntü işleme tekniklerinin de yardımı ile hasta beyinlerinin fiziksel özellikleri sayısal olarak çıkarılabilir. Elde edilen sayısal verinin sınıflandırma algoritmaları içerisinde düzlemde vektörler şeklinde ifade edilmesi sonrasında numuneler sınıflandırılabilir. Bu çalışmada, 19 adet Alzheimer hastalığı, 19 adet frontotemporal demans ve 25 adet vasküler demans olmak üzere üç farklı hastalıktaki 63 numunenin manyetik rezonans görüntüleri kullanılmaktadır. Dilimlenmiş beyin görüntü setleri Freesurfer beyin analiz yazılım aracı ile birlikte işlenmektedir. Programın başarılı analizi sonrasında üretilen istatistik bilgileri içerisinden farklı öznitelik grupları oluşturulmaktadır. Öznitelik matrisleri, sarmalama yaklaşımlı öznitelik seçim yöntemi uygulanacak şekilde genetik algoritmaya gönderilmektedir. Bulunan değerli öznitelikler, hastalığı belirlemede etkili olan uzuvlar, tartışılmaktadır. Farklı sınıflandırma yaklaşımları ve genetik algoritma parametreleri uygulanarak %95.2'yi gören doğruluk sonuçları ve hata matrisleri elde edilmektedir.

Brains of dementia patients show characteristic differences according to the type of disease. Brain measurements such as cerebral cortical thickness, volumes or surface areas of some specific regions are effective in determining the type of disease. Brain images that are appropriate to the medical imaging standards can be obtained from magnetic resonance imaging devices. The headers of the images contain many different types of technical or non-technical information about patients, diseases, also imaging studies. Through brain imaging files and headers, the physical characteristics of patient brains can be extracted with the help of image processing techniques. After the numerical data is expressed as vectors in the plane during the classification, samples can be classified. In this study, magnetic resonance scans of 63 samples, having three disease types: 19 Alzheimer's disease, 19 frontotemporal dementia, and 25 vascular dementia, are used. Sliced brain image sets are processed with Freesurfer brain analyzing software tool. Different feature groups are created via generated statistical information after successful analysis of the program. Feature matrices are sent to the genetic algorithm that is used as a wrapper method for feature selection. Significant features, the brain regions that are effective in identifying the disease, are discussed. Applying different classification algorithms, and also genetic algorithm parameters, accuracy results up to %95.2 and confusion matrices are achieved.