Neues Fusionsmodell verbessert Alzheimer-Erkennung durch MRI und PET
Ein internationales Forscherteam aus Saudi-Arabien, Italien und Aserbaidschan hat ein fortschrittliches multimodales Bildfusionsmodell entwickelt, das die Erkennung von Alzheimer durch Magnetresonanztomographie (MRI) und Positronenemissionstomographie (PET) verbessert. Die Studie, veröffentlicht in Frontiers in Medical Technology, integriert strukturelle MRI-Daten mit funktionellen FDG-PET-Informationen aus der Alzheimer’s Disease Neuroimaging Initiative (ADNI), um anatomische und metabolische Veränderungen präzise zu erfassen. Das Modell verwendet einen Datensatz mit 1200 multimodalen Bildpaaren von 300 Teilnehmern, aufgeteilt in kognitiv normale Personen, Patienten mit milder kognitiver Beeinträchtigung und Alzheimer-Patienten. Vor der Verarbeitung werden die Bilder durch Gaussian-Filterung geglättet, um Rauschen zu reduzieren, durch Skull-Stripping von nicht-hirnspezifischen Geweben befreit und durch Z-Score-Normalisierung standardisiert, um Intensitätswerte vergleichbar zu machen. Diese Schritte gewährleisten eine robuste Basis für die nachfolgende Analyse. Für die Feature-Extraktion wird Voxel-based Morphometry (VBM) eingesetzt, um Graumaterie-Features aus MRI zu gewinnen, die mit Alzheimer-Progression korrelieren. Eine aus MRI generierte Graumaterie-Maske…

