Textural and histogram-based PET/MRI quantification for predicting Mild Cognitive Impairment to Alzheimer disease patients (Q3141213)
Jump to navigation
Jump to search
Project Q3141213 in Spain
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | Textural and histogram-based PET/MRI quantification for predicting Mild Cognitive Impairment to Alzheimer disease patients |
Project Q3141213 in Spain |
Statements
25,319.25 Euro
0 references
46,500.0 Euro
0 references
54.45 percent
0 references
1 January 2017
0 references
31 March 2020
0 references
FUNDACION INSTITUTO DE INVESTIGACION SANITARIA DE SANTIAGO DE COMPOSTELA
0 references
En el campo de la imagen médica se han propuesto varias herramientas con potencial interés para predecir la probabilidad de progresión de un paciente DCL (deterioro cognitivo leve) a EA (Enfermedad de Alzheimer). Los mejores resultados han sido obtenidos para la volumetría por RM, que involucra medidas del volumen del hipocampo y de la atrofia medial temporal, y para estudios PET, tanto de localización de áreas hipometabólicas con 18F-FDG PET como medidas de depósitos de amiloide. Los desarrollos actuales se dirigen hacia nuevas técnicas avanzadas de procesado de imagen, que permitan extraer grandes cantidades de datos de los estudios de imagen que ya se realizan. Esto ha llevado a la aparición de una nueva tecnología basada en técnicas de big data, enfocada a correlacionar la gran cantidad de información derivada de las imágenes con datos clínicos. Nuestro proyecto pretende desarrollar e implementar nuevos algoritmos de procesado basados en técnicas avanzadas de análisis de texturas e histogramas, que serán aplicados por primera vez en neuroimagen PET/RM, con el objetivo de generar grandes cantidades de información integrables en un entorno big data y correlacionarlas con parámetros clínicos. Con ello vamos a disponer de una nueva herramienta que permitirá predecir el riesgo de un paciente con DCL de progresar a demencia debida a EA. (Spanish)
0 references
In the field of medical imaging, several tools have been proposed with potential interest to predict the likelihood of progression of a patient DCL (mild cognitive impairment) to EA (Alzheimer Disease). The best results have been obtained for MRI volumetry, which involves measures of the volume of the hippocampus and temporal medial atrophy, and for PET studies, both in the localisation of hypometabolic areas with 18F-FDG PET and measures of amyloid deposits. Current developments are geared towards new advanced image processing techniques, which allow large amounts of data to be extracted from existing image studies. This has led to the emergence of a new technology based on big data techniques, focused on correlating the large amount of information derived from images with clinical data. Our project aims to develop and implement new processing algorithms based on advanced techniques of texture analysis and histograms, which will be applied for the first time in PET/RM neuroimage, with the aim of generating large amounts of information that can be integrated in a big data environment and correlate them with clinical parameters. With this we will have a new tool that will allow predicting the risk of a patient with LDC of progressing to dementia due to EA. (English)
12 October 2021
0.5548437690498927
0 references
Dans le domaine de l’imagerie médicale, plusieurs outils ont été proposés avec intérêt potentiel pour prédire la probabilité de progression d’un patient DCL (déficience cognitive légère) vers l’EA (maladie d’Alzheimer). Les meilleurs résultats ont été obtenus pour la volumétrie IRM, qui implique des mesures du volume de l’hippocampe et de l’atrophie médiane temporelle, et pour les études de TEP, tant dans la localisation des zones hypométaboliques avec 18F-FDG PET que dans les mesures des dépôts amyloïdes. Les développements actuels sont orientés vers de nouvelles techniques avancées de traitement de l’image, qui permettent d’extraire de grandes quantités de données à partir d’études d’images existantes. Cela a conduit à l’émergence d’une nouvelle technologie basée sur les techniques de mégadonnées, axée sur la corrélation entre la grande quantité d’informations obtenues à partir d’images et les données cliniques. Notre projet vise à développer et à mettre en œuvre de nouveaux algorithmes de traitement basés sur des techniques avancées d’analyse de texture et d’histogrammes, qui seront appliqués pour la première fois en neuroimage PET/RM, dans le but de générer de grandes quantités d’informations pouvant être intégrées dans un environnement de mégadonnées et les corréler avec des paramètres cliniques. Avec cela, nous disposerons d’un nouvel outil qui permettra de prédire le risque qu’un patient ayant un PMD de progresser vers la démence en raison de l’EE. (French)
2 December 2021
0 references
Im Bereich der medizinischen Bildgebung wurden mehrere Instrumente vorgeschlagen, mit denen die Wahrscheinlichkeit eines Fortschreitens eines Patienten DCL (milde kognitive Beeinträchtigung) zur EA (Alzheimer-Krankheit) vorhergesagt werden kann. Die besten Ergebnisse wurden für MRT-Volumtrie erzielt, die Messungen des Volumens der Hippocampus und der zeitlichen medialen Atrophie sowie für PET-Studien sowohl bei der Lokalisierung hypometaboler Gebiete mit 18F-FDG PET als auch bei Messungen von Amyloidablagerungen umfasst. Die aktuellen Entwicklungen sind auf neue fortschrittliche Bildverarbeitungstechniken ausgerichtet, die es ermöglichen, aus bestehenden Bildstudien große Datenmengen zu extrahieren. Dies hat zur Entstehung einer neuen Technologie geführt, die auf Big-Data-Techniken basiert und sich darauf konzentriert, die große Menge an Informationen aus Bildern mit klinischen Daten zu korrelieren. Unser Projekt zielt darauf ab, neue Verarbeitungsalgorithmen zu entwickeln und umzusetzen, die auf fortschrittlichen Techniken der Texturanalyse und Histogramme basieren, die erstmals im PET/RM Neuroimage angewendet werden, um große Mengen an Informationen zu generieren, die in eine Big Data-Umgebung integriert und mit klinischen Parametern korreliert werden können. Damit haben wir ein neues Werkzeug, das es ermöglicht, das Risiko eines Patienten mit am wenigsten entwickelten Patienten durch EA vorherzusagen. (German)
9 December 2021
0 references
Op het gebied van medische beeldvorming zijn verschillende instrumenten voorgesteld die mogelijk interessant zijn om de kans op progressie van een patiënt DCL (milde cognitieve stoornis) naar EA (Alzheimer Disease) te voorspellen. De beste resultaten zijn verkregen voor MRI-volumetrie, waarbij het volume van de hippocampus en temporele mediale atrofie wordt gemeten, en voor PET-onderzoeken, zowel in de lokalisatie van hypometabole gebieden met 18F-FDG PET als metingen van amyloïdafzettingen. De huidige ontwikkelingen zijn gericht op nieuwe geavanceerde beeldverwerkingstechnieken, die het mogelijk maken grote hoeveelheden gegevens uit bestaande beeldstudies te halen. Dit heeft geleid tot de opkomst van een nieuwe technologie gebaseerd op big data technieken, gericht op het correleren van de grote hoeveelheid informatie afkomstig van beelden met klinische gegevens. Ons project is gericht op het ontwikkelen en implementeren van nieuwe verwerkingsalgoritmen op basis van geavanceerde technieken van textuuranalyse en histogrammen, die voor het eerst zullen worden toegepast in PET/RM-neurobeeld, met als doel grote hoeveelheden informatie te genereren die in een big data-omgeving kunnen worden geïntegreerd en ze te correleren met klinische parameters. Hiermee zullen we een nieuw instrument hebben waarmee het risico kan worden voorspeld dat een patiënt met een MOL vooruitgang boekt naar dementie als gevolg van EA. (Dutch)
17 December 2021
0 references
Nel campo dell'imaging medico, sono stati proposti diversi strumenti con potenziale interesse per prevedere la probabilità di progressione di un paziente DCL (mild cognitive compromissione) a EA (malattia di Alzheimer). I migliori risultati sono stati ottenuti per la volumetria MRI, che prevede misure del volume dell'ippocampo e dell'atrofia mediale temporale, e per gli studi PET, sia nella localizzazione di aree ipometaboliche con PET 18F-FDG, sia per le misure dei depositi di amiloidi. Gli sviluppi attuali sono orientati verso nuove tecniche avanzate di elaborazione delle immagini, che consentono di estrarre grandi quantità di dati dagli studi sulle immagini esistenti. Ciò ha portato all'emergere di una nuova tecnologia basata su tecniche di big data, incentrata sulla correlazione della grande quantità di informazioni derivate dalle immagini con i dati clinici. Il nostro progetto mira a sviluppare e implementare nuovi algoritmi di elaborazione basati su tecniche avanzate di analisi delle texture e istogrammi, che saranno applicati per la prima volta nella neuroimmagine PET/RM, con l'obiettivo di generare grandi quantità di informazioni che possono essere integrate in un ambiente di big data e correlarle con parametri clinici. Con questo avremo un nuovo strumento che permetterà di prevedere il rischio di un paziente con LDC di progredire verso la demenza a causa di EA. (Italian)
16 January 2022
0 references
Στον τομέα της ιατρικής απεικόνισης, έχουν προταθεί διάφορα εργαλεία με πιθανό ενδιαφέρον για την πρόβλεψη της πιθανότητας εξέλιξης ενός ασθενούς DCL (ήπια γνωστική δυσλειτουργία) σε ΕΑ (νόσος Αλτσχάιμερ). Τα καλύτερα αποτελέσματα έχουν επιτευχθεί για την ογκομετρική μαγνητική τομογραφία, η οποία περιλαμβάνει μέτρα του όγκου της ατροφίας του ιππόκαμπου και της χρονικής διάμεσης ατροφίας, καθώς και για μελέτες PET, τόσο στον εντοπισμό υπομεταβολικών περιοχών με 18F-FDG PET όσο και σε μέτρα αμυλοειδών εναποθέσεων. Οι τρέχουσες εξελίξεις προσανατολίζονται προς νέες προηγμένες τεχνικές επεξεργασίας εικόνας, οι οποίες επιτρέπουν την εξαγωγή μεγάλου όγκου δεδομένων από τις υπάρχουσες μελέτες εικόνας. Αυτό οδήγησε στην εμφάνιση μιας νέας τεχνολογίας βασισμένης σε τεχνικές μαζικών δεδομένων, η οποία επικεντρώθηκε στη συσχέτιση του μεγάλου όγκου πληροφοριών που προέρχονται από εικόνες με κλινικά δεδομένα. Το έργο μας στοχεύει στην ανάπτυξη και εφαρμογή νέων αλγορίθμων επεξεργασίας βασισμένων σε προηγμένες τεχνικές ανάλυσης υφής και ιστογραμμάτων, οι οποίες θα εφαρμοστούν για πρώτη φορά σε νευροεικόνα PET/RM, με στόχο την παραγωγή μεγάλων ποσοτήτων πληροφοριών που μπορούν να ενσωματωθούν σε ένα μαζικό περιβάλλον δεδομένων και να τις συσχετίσουν με κλινικές παραμέτρους. Με αυτό θα έχουμε ένα νέο εργαλείο που θα επιτρέψει την πρόβλεψη του κινδύνου ενός ασθενούς με ΛΑΧ να προχωρήσει στην άνοια λόγω της ΕΑ. (Greek)
17 August 2022
0 references
Inden for medicinsk billeddannelse er der foreslået flere værktøjer med potentiel interesse til at forudsige sandsynligheden for progression af en patient DCL (mild kognitiv svækkelse) til EA (Alzheimer disease). De bedste resultater er opnået for MRI volumetry, som omfatter målinger af mængden af hippocampus og tidsmæssig medial atrofi, og for PET-undersøgelser, både i lokaliseringen af hypometaboliske områder med 18F-FDG PET og målinger af amyloidaflejringer. Den aktuelle udvikling er rettet mod nye avancerede billedbehandlingsteknikker, som gør det muligt at udtrække store mængder data fra eksisterende billedundersøgelser. Dette har ført til fremkomsten af en ny teknologi baseret på big data-teknikker, der fokuserer på at sammenholde den store mængde information, der stammer fra billeder, med kliniske data. Vores projekt har til formål at udvikle og implementere nye behandlingsalgoritmer baseret på avancerede teknikker til teksturanalyse og histogrammer, som vil blive anvendt for første gang i PET/RM neuroimage, med det formål at generere store mængder information, der kan integreres i et big data-miljø og korrelere dem med kliniske parametre. Med dette vil vi have et nyt værktøj, der vil gøre det muligt at forudsige risikoen for, at en patient med mindst udviklede lande udvikler sig til demens på grund af EA. (Danish)
17 August 2022
0 references
Lääketieteellisen kuvantamisen alalla on ehdotettu useita välineitä, jotka saattavat kiinnostaa potilaan DCL (lievä kognitiivisen heikkenemisen) etenemisen todennäköisyyttä EA: ksi (Alzheimerin tauti). Parhaat tulokset on saatu magneettikuvauksesta, johon sisältyy hippokampuksen tilavuuden ja ajallisen mediaalisen surkastumisen mittauksia, ja PET-tutkimuksista, jotka koskevat sekä hypometabolisten alueiden paikallistamista 18F-FDG PET:n kanssa että amyloidiesiintymien mittaamista. Tämänhetkinen kehitys on suunnattu uusiin kehittyneisiin kuvankäsittelytekniikoihin, joiden avulla voidaan poimia suuria määriä tietoja nykyisistä kuvatutkimuksista. Tämä on johtanut uuteen massadatatekniikkaan perustuvaan teknologiaan, jossa keskitytään korreloimaan suuri määrä kuvista saatua tietoa kliinisten tietojen kanssa. Hankkeessamme pyritään kehittämään ja toteuttamaan uusia prosessointialgoritmeja, jotka perustuvat kehittyneisiin tekstuurianalyysitekniikoihin ja histogrammeihin. Näitä algoritmeja käytetään ensimmäistä kertaa PET/RM-neurokuvauksessa. Tavoitteena on tuottaa suuria määriä tietoa, joka voidaan integroida massadataympäristöön ja korreloimaan ne kliinisten parametrien kanssa. Tämän avulla meillä on uusi väline, jonka avulla voidaan ennustaa riski, että LDC-potilas etenee EA: n vuoksi dementiaan. (Finnish)
17 August 2022
0 references
Fil-qasam tal-immaġni medika, ġew proposti diversi għodod b’interess potenzjali biex titbassar il-probabbiltà ta’ progressjoni ta’ DCL (indeboliment konjittiv ħafif) ta’ pazjent għal EA (Marda Alzheimer). L-aħjar riżultati nkisbu għall-volum tal-MRI, li jinvolvi kejl tal-volum tal-hippocampus u l-atrofija medjali temporali, u għall-istudji dwar il-PET, kemm fil-lokalizzazzjoni taż-żoni ipometaboliċi b’PET 18F-FDG kif ukoll fil-kejl tad-depożiti tal-amilojde. L-iżviluppi attwali huma mmirati lejn tekniki avvanzati ġodda tal-ipproċessar tal-immaġni, li jippermettu li ammonti kbar ta’ data jiġu estratti minn studji ta’ immaġni eżistenti. Dan wassal għall-ħolqien ta’ teknoloġija ġdida bbażata fuq tekniki tal-big data, iffukata fuq il-korrelazzjoni tal-ammont kbir ta’ informazzjoni derivata minn immaġnijiet b’data klinika. Il-proġett tagħna għandu l-għan li jiżviluppa u jimplimenta algoritmi ta’ pproċessar ġodda bbażati fuq tekniki avvanzati ta’ analiżi tan-nisġa u istogrammi, li se jiġu applikati għall-ewwel darba f’newroimmaġni PET/RM, bil-għan li jiġu ġġenerati ammonti kbar ta’ informazzjoni li jistgħu jiġu integrati f’ambjent ta’ data kbira u jikkorrelatawhom ma’ parametri kliniċi. B’dan se jkollna għodda ġdida li tippermetti t-tbassir tar-riskju li pazjent b’LDC javvanza għad-dimenzja minħabba l-EA. (Maltese)
17 August 2022
0 references
Medicīniskās attēlveidošanas jomā ir ierosināti vairāki instrumenti, kas varētu būt noderīgi, lai prognozētu pacienta DCL (vieglas kognitīvās darbības traucējumu) progresēšanas iespējamību līdz EA (Alzheimer slimība). Labākie rezultāti ir iegūti MRA tilpuma noteikšanai, kas ietver hipokampa apjoma un laika mediālās atrofijas mērījumus, kā arī PET pētījumiem gan hipometabolisko zonu lokalizācijā ar 18F-FDG PET, gan amiloīdu nogulsnējumu mērījumos. Pašreizējās norises ir vērstas uz jaunām progresīvām attēlu apstrādes metodēm, kas ļauj iegūt lielu datu apjomu no esošajiem attēlu pētījumiem. Tas ir novedis pie jaunas tehnoloģijas, kuras pamatā ir lielo datu tehnoloģijas, kas vērsta uz to, lai korelētu lielo informācijas apjomu, kas iegūts no attēliem ar klīniskiem datiem. Mūsu projekta mērķis ir izstrādāt un ieviest jaunus apstrādes algoritmus, kuru pamatā ir uzlabotas tekstūras analīzes metodes un histogrammas, kas pirmo reizi tiks pielietotas PET/RM neirofotogrāfijā, lai radītu lielu daudzumu informācijas, ko var integrēt lielo datu vidē un korelēt ar klīniskajiem parametriem. Ar to mums būs jauns instruments, kas ļaus prognozēt risku, ka pacients ar vismazāk attīstītajām valstīm EA dēļ progresēs līdz demencei. (Latvian)
17 August 2022
0 references
V oblasti lekárskeho zobrazovania bolo navrhnutých niekoľko nástrojov s potenciálnym záujmom na predpovedanie pravdepodobnosti progresie ochorenia DCL pacienta (mierne kognitívne poškodenie) do EA (alzheimerova choroba). Najlepšie výsledky sa dosiahli v prípade MRI volumetry, ktorá zahŕňa meranie objemu hipokampu a časovej mediálnej atrofie, a v prípade PET štúdií, a to tak v lokalizácii hypometabolických oblastí s PET 18F-FDG, ako aj pri meraní amyloidových ložísk. Súčasný vývoj je zameraný na nové pokročilé techniky spracovania obrazu, ktoré umožňujú extrahovať veľké množstvo údajov z existujúcich obrazových štúdií. To viedlo k vzniku novej technológie založenej na technikách veľkých dát, ktorá sa zameriava na koreláciu veľkého množstva informácií získaných zo snímok s klinickými údajmi. Cieľom nášho projektu je vyvinúť a implementovať nové algoritmy spracovania založené na pokročilých technikách analýzy textúry a histogramoch, ktoré budú prvýkrát aplikované v neuroimage PET/RM s cieľom generovať veľké množstvo informácií, ktoré možno integrovať do prostredia veľkých dát a korelovať ich s klinickými parametrami. S tým budeme mať nový nástroj, ktorý umožní predvídať riziko, že pacient s najmenej rozvinutou krajinou prejde do demencie v dôsledku EA. (Slovak)
17 August 2022
0 references
I réimse an íomháithe leighis, tá roinnt uirlisí beartaithe le spéis a d’fhéadfadh a thuar an dóchúlacht dul chun cinn othar DCL (lagú cognaíoch éadrom) go EA (galar Alzheimer). Fuarthas na torthaí is fearr le haghaidh imleabhar MRI, lena mbaineann tomhas ar mhéid an atrophy hippocampus agus temporal medial, agus le haghaidh staidéir PET, i logánú réimsí hypometabolic le 18F-FDG PET agus bearta taiscí amyloid. Tá forbairtí reatha dírithe ar ardteicnící próiseála íomhánna nua, rud a fhágann gur féidir méideanna móra sonraí a bhaint as staidéir ar íomhánna atá ann cheana. Mar thoradh air seo, tháinig teicneolaíocht nua chun cinn bunaithe ar theicnící mórshonraí, dírithe ar chomhchoibhneas leis an méid mór faisnéise a fhaightear ó íomhánna le sonraí cliniciúla. Tá sé mar aidhm ag ár dtionscadal halgartaim próiseála nua a fhorbairt agus a chur i bhfeidhm bunaithe ar theicnící chun cinn anailíse uigeachta agus histeagram, a chuirfear i bhfeidhm den chéad uair i neuroimage PET/RM, agus é mar aidhm aige méideanna móra faisnéise a ghiniúint is féidir a chomhtháthú i dtimpeallacht sonraí mór agus iad a chomhchoibhneas le paraiméadair chliniciúla. Leis sin, beidh uirlis nua againn a chuirfidh ar chumas othair a bhfuil LDC acu dul ar aghaidh chuig néaltrú mar gheall ar EA a thuar. (Irish)
17 August 2022
0 references
V oblasti lékařského zobrazování bylo navrženo několik nástrojů s potenciálním zájmem předpovědět pravděpodobnost progrese DCL pacienta (mírné kognitivní poruchy) do EA (Alzheimerova choroba). Nejlepší výsledky byly získány pro MRI volumetry, která zahrnuje měření objemu hippokampu a časové medial atrofie, a pro PET studie, a to jak v lokalizaci hypometabolických oblastí s 18F-FDG PET a měření amyloidních ložisek. Současný vývoj je zaměřen na nové pokročilé techniky zpracování obrazu, které umožňují získat velké množství dat ze stávajících obrazových studií. To vedlo ke vzniku nové technologie založené na technikách dat velkého objemu, která se zaměřuje na korelaci velkého množství informací odvozených z obrazů s klinickými údaji. Cílem našeho projektu je vyvinout a implementovat nové zpracovatelské algoritmy založené na pokročilých technikách analýzy textury a histogramů, které budou poprvé aplikovány v PET/RM neuroimage s cílem generovat velké množství informací, které mohou být integrovány do prostředí velkých dat a korelovat je s klinickými parametry. Díky tomu budeme mít nový nástroj, který umožní předvídat riziko, že pacient s nejméně rozvinutými zeměmi postoupí k demenci v důsledku EA. (Czech)
17 August 2022
0 references
No campo da imagem médica, várias ferramentas foram propostas com potencial interesse para prever a probabilidade de progressão de um paciente DCL (deficiência cognitiva leve) para EA (doença de Alzheimer). Os melhores resultados foram obtidos para a volumetria de RM, que envolve medidas do volume do hipocampo e atrofia temporal medial, e para estudos de PET, tanto na localização de áreas hipometabólicas com PET 18F-FDG quanto em medidas de depósitos amiloides. Os desenvolvimentos atuais estão orientados para novas técnicas avançadas de processamento de imagens, que permitem extrair grandes quantidades de dados dos estudos de imagem existentes. Isso levou ao surgimento de uma nova tecnologia baseada em técnicas de big data, focada em correlacionar a grande quantidade de informações derivadas de imagens com dados clínicos. Nosso projeto visa desenvolver e implementar novos algoritmos de processamento ganzas em técnicas avançadas de análise de textura e histogramas, que serão aplicados pela primeira vez em neuroimagem PET/RM, com o objetivo de gerar grandes quantidades de informações que podem ser integradas em um ambiente de big data e correlacioná-las com parâmetros clínicos. Com isso, teremos uma nova ferramenta que permitirá prever o risco de um paciente com LDC progredir para a demência devido à EA. (Portuguese)
17 August 2022
0 references
Meditsiinilise pildistamise valdkonnas on pakutud mitmeid vahendeid, mis võivad olla huvitatud patsiendi DCL (kerge kognitiivne kahjustus) progresseerumise tõenäosuse prognoosimisest EA-sse (Alzheimer’i tõbi). Parimad tulemused on saadud magnetresonantstomograafia mahu mõõtmisel, mis hõlmab hipokampuse ruumala mõõtmist ja ajalist mediaalset atroofiat, ning PET-uuringutes nii hüpometaboolsete piirkondade lokaliseerimisel 18F-FDG PET-iga kui ka amüloidsete ladestuste mõõtmisel. Praegused arengud on suunatud uutele kõrgetasemelistele kujutiste töötlemise tehnikatele, mis võimaldavad saada olemasolevatest kujutisuuringutest suurt hulka andmeid. See on viinud uue tehnoloogia tekkeni, mis põhineb suurandmete tehnikatel ja keskendub suure hulga kujutistest saadud teabe sidumisele kliiniliste andmetega. Meie projekti eesmärk on töötada välja ja rakendada uusi töötlemisalgoritme, mis põhinevad tekstuuri analüüsi ja histogrammide täiustatud meetoditel, mida hakatakse esimest korda kohaldama PET/RM neuropildis, eesmärgiga luua suur hulk teavet, mida saab integreerida suurandmete keskkonda ja viia need vastavusse kliiniliste parameetritega. Sellega on meil uus vahend, mis võimaldab prognoosida vähim arenenud riigiga patsiendi riski areneda EA tõttu dementsuseni. (Estonian)
17 August 2022
0 references
Az orvosi képalkotás területén számos olyan eszközt javasoltak, amelyek potenciális érdeklődést mutatnak a DCL (enyhe kognitív károsodás) EA-ra (Alzheimer-betegség) történő progressziójának valószínűségére. A legjobb eredményeket az MRI volumetry esetében, amely magában foglalja a hippocampus térfogatának és a temporális mediális atrófia mérését, valamint a PET-vizsgálatokat, mind a hipometaboliás területeknek az 18F-FDG PET-tel való lokalizációja, mind pedig az amiloid lerakódások mérése terén. A jelenlegi fejlesztések új, fejlett képfeldolgozási technikákra irányulnak, amelyek lehetővé teszik, hogy a meglévő képtanulmányokból nagy mennyiségű adatot lehessen kinyerni. Ez a nagy adathalmazok technológiáin alapuló új technológia megjelenéséhez vezetett, amely a képekből származó nagy mennyiségű információ és a klinikai adatok közötti korrelációra összpontosít. Projektünk célja, hogy új feldolgozó algoritmusokat fejlesszen ki és valósítson meg a textúraelemzés és hisztogramok fejlett technikái alapján, amelyeket először alkalmazunk a PET/RM neuroképben azzal a céllal, hogy nagy mennyiségű információt generáljunk, amelyek integrálhatók a nagy adathalmazok környezetébe, és amelyek klinikai paraméterekkel korrelálhatók. Ezzel lesz egy új eszközünk, amely lehetővé teszi annak előrejelzését, hogy az LDC-ben szenvedő beteg az EA miatt demenciává fejlődik. (Hungarian)
17 August 2022
0 references
В областта на медицинската образна диагностика са предложени няколко инструмента с потенциален интерес за прогнозиране на вероятността от прогресия на пациента DCL (леко когнитивно увреждане) към EA (Alzheimer Disease). Най-добрите резултати са получени за обем на ЯМР, който включва измерване на обема на хипокампуса и времевата медиална атрофия, както и за проучвания на PET, както при локализирането на хипометаболни области с PET 18F-FDG, така и при измерванията на амилоиди. Настоящото развитие е насочено към нови усъвършенствани техники за обработка на изображения, които позволяват извличането на големи количества данни от съществуващите изследвания на изображенията. Това доведе до появата на нова технология, основана на техники за големи информационни масиви, насочена към съпоставяне на голямото количество информация, получена от изображения, с клинични данни. Нашият проект има за цел да разработи и внедри нови алгоритми за обработка, базирани на усъвършенствани техники за анализ на текстурата и хистограми, които ще се прилагат за първи път в PET/RM невроизображение, с цел генериране на големи количества информация, която може да бъде интегрирана в среда с големи информационни масиви и да ги свърже с клинични параметри. С това ще разполагаме с нов инструмент, който ще позволи да се предвиди рискът пациент с най-слаборазвити държави да премине към деменция, дължаща се на ЕА. (Bulgarian)
17 August 2022
0 references
Medicininio vizualizavimo srityje buvo pasiūlyta keletas priemonių, kurios galėtų būti suinteresuotos prognozuoti paciento DCL (lengvo pažinimo sutrikimo) progresavimo į EA (Alzheimer liga) tikimybę. Geriausi rezultatai gauti MRT tūriui, kuris apima hipometabolinių zonų lokalizaciją su 18F-FDG PET ir amiloido nuosėdų matais, ir hipometabolinių zonų lokalizavimui su 18F-FDG PET ir amiloidų atrofijos matams. Dabartiniai pokyčiai orientuoti į naujus pažangius vaizdo apdorojimo metodus, kurie leidžia gauti daug duomenų iš esamų vaizdo tyrimų. Dėl to atsirado nauja technologija, pagrįsta didžiųjų duomenų metodais, daugiausia dėmesio skiriant didelio kiekio informacijos, gautos iš vaizdų, ir klinikinių duomenų susiejimui. Mūsų projektu siekiama sukurti ir įgyvendinti naujus apdorojimo algoritmus, pagrįstus pažangiais tekstūros analizės metodais ir histogramomis, kurie pirmą kartą bus taikomi PET/RM neuroimage, siekiant sukurti daug informacijos, kuri gali būti integruota į didžiųjų duomenų aplinką ir susieti juos su klinikiniais parametrais. Su tuo mes turėsime naują priemonę, kuri leis prognozuoti paciento, sergančio mažiausiai išsivysčiusia šalimi, riziką progresuoti į demencija dėl EA. (Lithuanian)
17 August 2022
0 references
U području medicinskog snimanja predloženo je nekoliko alata s potencijalnim interesom za predviđanje vjerojatnosti progresije DCL-a bolesnika (blago kognitivno oštećenje) u EA (Alzheimerova bolest). Najbolji rezultati dobiveni su za volumetriju MRI-ja, koja uključuje mjerenje volumena hipokampusa i vremenske medijske atrofije, kao i za ispitivanja PET-a, kako u lokalizaciji hipometaboličkih područja s 18F-FDG PET-om tako i u mjerenju amiloidnih naslaga. Trenutačni razvoj usmjeren je na nove napredne tehnike obrade slika koje omogućuju izdvajanje velikih količina podataka iz postojećih studija slika. To je dovelo do pojave nove tehnologije temeljene na tehnikama velikih podataka, usmjerene na korelaciju velike količine informacija dobivenih iz slika s kliničkim podacima. Naš projekt ima za cilj razviti i implementirati nove algoritme obrade temeljene na naprednim tehnikama analize teksture i histograma, koji će se prvi put primijeniti u PET/RM neuroimagi, s ciljem generiranja velikih količina informacija koje se mogu integrirati u okruženje velikih podataka i povezati ih s kliničkim parametrima. Uz to ćemo imati novi alat koji će omogućiti predviđanje rizika od pacijenta s najmanje razvijenim zemljama napredovanja u demenciju zbog EA. (Croatian)
17 August 2022
0 references
Inom området medicinsk avbildning har flera verktyg föreslagits med potentiellt intresse för att förutsäga sannolikheten för progression av en patient DCL (mild kognitiv funktionsnedsättning) till EA (Alzheimer Disease). De bästa resultaten har erhållits för MRT-volymintag, som omfattar mätning av volymen av hippocampus och temporal medial atrofi, och för PET-studier, både i lokaliseringen av hypometabola områden med 18F-FDG PET och åtgärder för amyloidavlagringar. Den aktuella utvecklingen är inriktad på nya avancerade bildbehandlingstekniker som gör det möjligt att ta fram stora mängder data från befintliga bildstudier. Detta har lett till framväxten av en ny teknik baserad på stordatateknik, inriktad på att korrelera den stora mängden information som härrör från bilder med kliniska data. Vårt projekt syftar till att utveckla och implementera nya bearbetningsalgoritmer baserade på avancerade tekniker för texturanalys och histogram, som kommer att tillämpas för första gången i PET/RM-neuroimage, i syfte att generera stora mängder information som kan integreras i en stordatamiljö och korrelera dem med kliniska parametrar. Med detta kommer vi att ha ett nytt verktyg som gör det möjligt att förutsäga risken för en patient med minst utvecklade länder att gå vidare till demens på grund av EA. (Swedish)
17 August 2022
0 references
În domeniul imagisticii medicale, au fost propuse mai multe instrumente cu potențial interes pentru a anticipa probabilitatea progresiei unui pacient DCL (deficiență cognitivă ușoară) la EA (boala Alzheimer). Cele mai bune rezultate au fost obținute pentru volumetria RMN, care implică măsurarea volumului hipocampusului și atrofiei mediale temporale, precum și pentru studiile PET, atât în localizarea zonelor hipometabolice cu PET 18F-FDG, cât și în măsurarea depozitelor de amiloid. Evoluțiile actuale sunt orientate către noi tehnici avansate de procesare a imaginilor, care permit extragerea unor cantități mari de date din studiile de imagine existente. Acest lucru a dus la apariția unei noi tehnologii bazate pe tehnici de volume mari de date, axată pe corelarea cantității mari de informații derivate din imagini cu datele clinice. Proiectul nostru își propune să dezvolte și să implementeze noi algoritmi de procesare bazați pe tehnici avansate de analiză a texturii și histograme, care vor fi aplicați pentru prima dată în neuroimage PET/RM, cu scopul de a genera cantități mari de informații care pot fi integrate într-un mediu cu volume mari de date și să le coreleze cu parametrii clinici. Prin aceasta, vom dispune de un nou instrument care va permite anticiparea riscului ca un pacient cu țările cel mai puțin dezvoltate să progreseze către demență din cauza EA. (Romanian)
17 August 2022
0 references
Na področju medicinskega slikanja je bilo predlaganih več orodij z morebitnim zanimanjem za napovedovanje verjetnosti napredovanja bolnikovega DCL (blage kognitivne okvare) v EA (alzheimerjeva bolezen). Najboljši rezultati so bili pridobljeni za volumetrijo MRI, ki vključuje meritve volumna hipokampusa in časovne medialne atrofije, ter za študije PET, tako pri lokalizaciji hipometabolnih območij s PET 18F-FDG kot pri meritvah amiloidnih usedlin. Sedanji razvoj je usmerjen v nove napredne tehnike obdelave slik, ki omogočajo pridobivanje velikih količin podatkov iz obstoječih študij slik. To je privedlo do nastanka nove tehnologije, ki temelji na tehnikah velepodatkov in se osredotoča na povezovanje velike količine informacij, pridobljenih iz slik, s kliničnimi podatki. Naš projekt je namenjen razvoju in implementaciji novih procesnih algoritmov, ki temeljijo na naprednih tehnikah analize teksture in histogramov, ki bodo prvič uporabljeni v nevropodobi PET/RM, da bi ustvarili velike količine informacij, ki jih je mogoče vključiti v veliko podatkovno okolje in jih povezati s kliničnimi parametri. S tem bomo imeli novo orodje, ki bo omogočilo napovedovanje tveganja, da pacient z najmanj razvitimi državami napreduje v demenco zaradi EA. (Slovenian)
17 August 2022
0 references
W dziedzinie obrazowania medycznego zaproponowano kilka narzędzi z potencjalnym zainteresowaniem, aby przewidzieć prawdopodobieństwo progresji pacjenta DCL (łagodne zaburzenia poznawcze) do EA (choroba alzheimera). Najlepsze wyniki uzyskano w odniesieniu do objętości MRI, która obejmuje pomiar objętości hipokampu i zaniku śródśrodkowego w czasie, a także badania PET, zarówno w lokalizacji obszarów hipometabolicznych z PET 18F-FDG, jak i miar złóż amyloidowych. Obecne zmiany są ukierunkowane na nowe zaawansowane techniki przetwarzania obrazu, które pozwalają na pobieranie dużych ilości danych z istniejących badań obrazu. Doprowadziło to do powstania nowej technologii opartej na technikach dużych zbiorów danych, ukierunkowanej na korelację dużej ilości informacji pochodzących z obrazów z danymi klinicznymi. Nasz projekt ma na celu opracowanie i wdrożenie nowych algorytmów przetwarzania opartych na zaawansowanych technikach analizy tekstur i histogramów, które będą stosowane po raz pierwszy w neuroobrazach PET/RM, w celu generowania dużych ilości informacji, które można zintegrować w środowisku dużych zbiorów danych i skorelować je z parametrami klinicznymi. Dzięki temu będziemy dysponować nowym narzędziem, które pozwoli przewidzieć ryzyko, że pacjent z najsłabiej rozwiniętym krajem będzie przechodził na demencję z powodu EA. (Polish)
17 August 2022
0 references
Santiago de Compostela
0 references
20 December 2023
0 references
Identifiers
PI16_01416
0 references