ITRM20080380A1 - SYSTEM AND METHOD FOR THE GENERATION OF A PROBALIST INDEX FOR THE AUTOMATIC DIFFERENTIATION OF FORMS OF DEMENTIA - Google Patents
SYSTEM AND METHOD FOR THE GENERATION OF A PROBALIST INDEX FOR THE AUTOMATIC DIFFERENTIATION OF FORMS OF DEMENTIAInfo
- Publication number
- ITRM20080380A1 ITRM20080380A1 IT000380A ITRM20080380A ITRM20080380A1 IT RM20080380 A1 ITRM20080380 A1 IT RM20080380A1 IT 000380 A IT000380 A IT 000380A IT RM20080380 A ITRM20080380 A IT RM20080380A IT RM20080380 A1 ITRM20080380 A1 IT RM20080380A1
- Authority
- IT
- Italy
- Prior art keywords
- dementia
- person
- images
- data
- forms
- Prior art date
Links
- 206010012289 Dementia Diseases 0.000 title claims description 96
- 238000000034 method Methods 0.000 title claims description 30
- 230000004069 differentiation Effects 0.000 title description 2
- 238000012360 testing method Methods 0.000 claims description 28
- 230000001149 cognitive effect Effects 0.000 claims description 15
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 12
- 230000002068 genetic effect Effects 0.000 claims description 10
- 230000001755 vocal effect Effects 0.000 claims description 8
- 208000024827 Alzheimer disease Diseases 0.000 claims description 7
- 102100029470 Apolipoprotein E Human genes 0.000 claims description 6
- 101710095339 Apolipoprotein E Proteins 0.000 claims description 6
- 102000003810 Interleukin-18 Human genes 0.000 claims description 6
- 108090000171 Interleukin-18 Proteins 0.000 claims description 6
- 102100022033 Presenilin-1 Human genes 0.000 claims description 6
- 102100022036 Presenilin-2 Human genes 0.000 claims description 6
- 208000010877 cognitive disease Diseases 0.000 claims description 6
- 238000002591 computed tomography Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 208000027061 mild cognitive impairment Diseases 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 230000002123 temporal effect Effects 0.000 claims description 6
- 201000011240 Frontotemporal dementia Diseases 0.000 claims description 5
- 238000007477 logistic regression Methods 0.000 claims description 5
- 201000002832 Lewy body dementia Diseases 0.000 claims description 4
- 238000005481 NMR spectroscopy Methods 0.000 claims description 4
- 201000004810 Vascular dementia Diseases 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 239000002872 contrast media Substances 0.000 claims description 4
- 238000009792 diffusion process Methods 0.000 claims description 4
- 230000005415 magnetization Effects 0.000 claims description 4
- 230000010412 perfusion Effects 0.000 claims description 4
- 238000004611 spectroscopical analysis Methods 0.000 claims description 4
- 208000006379 syphilis Diseases 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 208000030507 AIDS Diseases 0.000 claims description 3
- 206010003062 Apraxia Diseases 0.000 claims description 3
- 208000024806 Brain atrophy Diseases 0.000 claims description 3
- 206010065384 Cerebral hypoperfusion Diseases 0.000 claims description 3
- 206010012218 Delirium Diseases 0.000 claims description 3
- 206010016880 Folate deficiency Diseases 0.000 claims description 3
- 101000617536 Homo sapiens Presenilin-1 Proteins 0.000 claims description 3
- 101000617546 Homo sapiens Presenilin-2 Proteins 0.000 claims description 3
- 208000023105 Huntington disease Diseases 0.000 claims description 3
- 208000009829 Lewy Body Disease Diseases 0.000 claims description 3
- 208000018737 Parkinson disease Diseases 0.000 claims description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 3
- 208000000609 Pick Disease of the Brain Diseases 0.000 claims description 3
- 108010036933 Presenilin-1 Proteins 0.000 claims description 3
- 108010036908 Presenilin-2 Proteins 0.000 claims description 3
- 238000004820 blood count Methods 0.000 claims description 3
- 230000006735 deficit Effects 0.000 claims description 3
- 238000005868 electrolysis reaction Methods 0.000 claims description 3
- 229940014144 folate Drugs 0.000 claims description 3
- OVBPIULPVIDEAO-LBPRGKRZSA-N folic acid Chemical compound C=1N=C2NC(N)=NC(=O)C2=NC=1CNC1=CC=C(C(=O)N[C@@H](CCC(O)=O)C(O)=O)C=C1 OVBPIULPVIDEAO-LBPRGKRZSA-N 0.000 claims description 3
- 235000019152 folic acid Nutrition 0.000 claims description 3
- 239000011724 folic acid Substances 0.000 claims description 3
- 208000015181 infectious disease Diseases 0.000 claims description 3
- 238000007449 liver function test Methods 0.000 claims description 3
- 230000006996 mental state Effects 0.000 claims description 3
- 239000011574 phosphorus Substances 0.000 claims description 3
- 229910052698 phosphorus Inorganic materials 0.000 claims description 3
- 238000002600 positron emission tomography Methods 0.000 claims description 3
- 238000009601 thyroid function test Methods 0.000 claims description 3
- 238000002562 urinalysis Methods 0.000 claims description 3
- 208000037157 Azotemia Diseases 0.000 claims description 2
- 208000024799 Thyroid disease Diseases 0.000 claims description 2
- 230000035563 calcemia Effects 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 claims description 2
- 230000003542 behavioural effect Effects 0.000 claims 6
- 208000035475 disorder Diseases 0.000 claims 5
- 238000002610 neuroimaging Methods 0.000 claims 5
- 208000020925 Bipolar disease Diseases 0.000 claims 1
- 208000026097 Factitious disease Diseases 0.000 claims 1
- 208000002339 Frontotemporal Lobar Degeneration Diseases 0.000 claims 1
- 229910052688 Gadolinium Inorganic materials 0.000 claims 1
- 208000037147 Hypercalcaemia Diseases 0.000 claims 1
- 208000013016 Hypoglycemia Diseases 0.000 claims 1
- 206010052276 Pseudodementia Diseases 0.000 claims 1
- 208000002667 Subdural Hematoma Diseases 0.000 claims 1
- 206010047601 Vitamin B1 deficiency Diseases 0.000 claims 1
- 208000002894 beriberi Diseases 0.000 claims 1
- UIWYJDYFSGRHKR-UHFFFAOYSA-N gadolinium atom Chemical compound [Gd] UIWYJDYFSGRHKR-UHFFFAOYSA-N 0.000 claims 1
- 230000000148 hypercalcaemia Effects 0.000 claims 1
- 208000030915 hypercalcemia disease Diseases 0.000 claims 1
- 230000002218 hypoglycaemic effect Effects 0.000 claims 1
- 210000004185 liver Anatomy 0.000 claims 1
- 230000001537 neural effect Effects 0.000 claims 1
- 208000021510 thyroid gland disease Diseases 0.000 claims 1
- 208000002670 vitamin B12 deficiency Diseases 0.000 claims 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 33
- 238000012896 Statistical algorithm Methods 0.000 description 17
- 238000003745 diagnosis Methods 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 13
- 210000003484 anatomy Anatomy 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 9
- 238000009227 behaviour therapy Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000007781 pre-processing Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 201000010099 disease Diseases 0.000 description 6
- 238000009533 lab test Methods 0.000 description 6
- 238000013179 statistical model Methods 0.000 description 6
- 210000004556 brain Anatomy 0.000 description 5
- 238000003748 differential diagnosis Methods 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 230000001272 neurogenic effect Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000003909 pattern recognition Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 210000004885 white matter Anatomy 0.000 description 3
- 208000027776 Extrapyramidal disease Diseases 0.000 description 2
- 206010072075 Gerstmann-Straussler-Scheinker syndrome Diseases 0.000 description 2
- 201000009906 Meningitis Diseases 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 208000007125 Neurotoxicity Syndromes Diseases 0.000 description 2
- 206010029400 Nicotinic acid deficiency Diseases 0.000 description 2
- 208000002141 Pellagra Diseases 0.000 description 2
- 208000001647 Renal Insufficiency Diseases 0.000 description 2
- 231100000076 Toxic encephalopathy Toxicity 0.000 description 2
- 208000027207 Whipple disease Diseases 0.000 description 2
- 210000004727 amygdala Anatomy 0.000 description 2
- 210000001159 caudate nucleus Anatomy 0.000 description 2
- 210000003710 cerebral cortex Anatomy 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 230000001054 cortical effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 210000001320 hippocampus Anatomy 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 201000006370 kidney failure Diseases 0.000 description 2
- 210000003140 lateral ventricle Anatomy 0.000 description 2
- 208000030159 metabolic disease Diseases 0.000 description 2
- 201000006417 multiple sclerosis Diseases 0.000 description 2
- 230000004770 neurodegeneration Effects 0.000 description 2
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 2
- 210000001009 nucleus accumben Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 210000002637 putamen Anatomy 0.000 description 2
- 230000002739 subcortical effect Effects 0.000 description 2
- 208000011580 syndromic disease Diseases 0.000 description 2
- 210000001103 thalamus Anatomy 0.000 description 2
- 210000001685 thyroid gland Anatomy 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000008733 trauma Effects 0.000 description 2
- 108700028369 Alleles Proteins 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000011496 digital image analysis Methods 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 230000002440 hepatic effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 208000019423 liver disease Diseases 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000000264 spin echo pulse sequence Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Hospice & Palliative Care (AREA)
- Pathology (AREA)
- Developmental Disabilities (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Physics & Mathematics (AREA)
- Child & Adolescent Psychology (AREA)
- Biophysics (AREA)
- Educational Technology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Steroid Compounds (AREA)
Description
DESCRIZIONE DI INVENZIONE INDUSTRIALE DESCRIPTION OF INDUSTRIAL INVENTION
Campo dell’invenzione Field of the invention
La presente invenzione riguarda il settore della differenziazione automatizzata delle malattie e più in particolare riguarda sistemi e metodi per l’analisi e la diagnosi differenziale automatica delle demenze, e più in particolare riguarda sistemi e metodi per l’analisi e la diagnosi differenziale delle demenze tramite risonanza magnetica nucleare. The present invention relates to the field of automated differentiation of diseases and more particularly it relates to systems and methods for the analysis and automatic differential diagnosis of dementias, and more particularly relates to systems and methods for the analysis and differential diagnosis of dementias through nuclear magnetic resonance.
Stato della Tecnica State of the art
Con il progressivo allungamento della vita media nei paesi sviluppati è aumentata l’incidenza delle demenze nella popolazione mondiale. Attualmente, il percorso di valutazione del paziente affetto da demenza è particolarmente complesso poiché non è conosciuto un singolo indicatore biologico che consenta una diagnosi specifica dei tipi più comuni di demenza. Ciò rende particolarmente difficile e incerta una diagnosi di demenza prima della<'>manifestazione dei sintomi clinici, e impedisce di conseguenza politiche di monitoraggio della popolazione anziana. With the progressive lengthening of the average life span in developed countries, the incidence of dementia in the world population has increased. Currently, the evaluation process of the patient with dementia is particularly complex since a single biological indicator is not known that allows a specific diagnosis of the most common types of dementia. This makes a diagnosis of dementia before the onset of clinical symptoms particularly difficult and uncertain, and consequently prevents monitoring policies for the elderly population.
Tuttavia, la possibilità di ottenere una diagnosi precoce è importante poiché ogni potenziale cura della demenza risulterebbe tanto più efficace tanto più precocemente viene effettuata la diagnosi. However, being able to get an early diagnosis is important as any potential cure for dementia would be all the more effective the earlier the diagnosis is made.
Storicamente, il ruolo delle indagini strumentali, e della Risonanza Magnetica per Immagini (MRI) in particolare, nel percorso di valutazione delle demenze è stato quello di escludere la presenza di patologìe diverse nel paziente. Tuttavia, il progresso nelle tecnologie di acquisizione delle immagini MRI, unito al parallelo sviluppo dei metodi jdi analisi delle immagini digitali, hanno prodotto significativi miglioramenti nella qualità e quantità delle informazioni generate. Ciò ha condotto alla realizzazione che diverse metodiche MRI possono potenzialmente fornire un contributo nella valutazione dei pazienti affetti da demenza. Tuttavia, neirarte nota tali informazioni non vengono ad oggi utilizzate in modo strutturato per facilitare la diagnosi da parte del medico. Esiste quindi il bisogno di un sistema automatizzato che coadiuvi il medico nella valutazione e nella diagnosi differenziale delle demenze. Esiste altresì il bisogno di un sistema automatizzato che coadiuvi il medico generando degli indici potenzialmente predittivi dell’ evoluzione temporale (prognosi) della demenza in un paziente. Historically, the role of instrumental investigations, and of Magnetic Resonance Imaging (MRI) in particular, in the evaluation of dementias has been to exclude the presence of different pathologies in the patient. However, advances in MRI image acquisition technologies, coupled with the parallel development of digital image analysis methods, have resulted in significant improvements in the quality and quantity of the information generated. This has led to the realization that various MRI methods can potentially make a contribution in the evaluation of patients with dementia. However, in the known art such information is not currently used in a structured way to facilitate the diagnosis by the doctor. There is therefore a need for an automated system to assist the physician in the assessment and differential diagnosis of dementias. There is also a need for an automated system that assists the doctor by generating potentially predictive indices of the temporal evolution (prognosis) of a patient's dementia.
Descrizione dell'invenzione Description of the invention
Costituisce un obiettivo della presente invenzione il realizzare un metodo e un sistema per l’analisi, la diagnosi e la prognosi automatica delle demenze che risolva i problemi dell’ arte nota sopra menzionati. An objective of the present invention is to create a method and a system for the analysis, diagnosis and automatic prognosis of dementias that solves the problems of the known art mentioned above.
Costituisce un ulteriore obiettivo della presente invenzione il realizzare un metodo e un sistema che integri le informazioni provenienti dagli esami clinici e dagli esami di laboratorio con le informazioni provenienti dalle indagini neuroradiologiche effettuate sul paziente e con i dati provenienti da una base di dati normativa, allo scopo di generare un indice quantitativo che sia proporzionale alla probabilità di diagnosi di. demenza nel paziente esaminato. A further objective of the present invention is to provide a method and a system which integrates the information coming from clinical and laboratory tests with the information coming from the neuroradiological investigations carried out on the patient and with the data coming from a normative database, at the same time. aim to generate a quantitative index that is proportional to the probability of diagnosis of. dementia in the examined patient.
Costituisce un ulteriore obiettivo della presente invenzione il realizzare un metodo e un sistema che generi una previsione probabilistica dell’ evoluzione temporale della demenza nel paziente a partire dal momento della diagnosi. A further objective of the present invention is to create a method and a system that generates a probabilistic forecast of the temporal evolution of dementia in the patient starting from the moment of diagnosis.
Costituisce un ulteriore obiettivo della presente invenzione il realizzare un metodo e un sistema che generi diversi indici quantitativi che siano rispettivamente proporzionali alla probabilità di diagnosi delle diverse forme note di demenza, allo scopo di coadiuvare la diagnosi differenziale da parte del medico. Pur raggiungendo detti obiettivi, la presente invenzione non comprende tutte le fasi essenziali per effettuare una diagnosi a scopo curativo, e pertanto non può essere considerata un metodo diagnostico. A further objective of the present invention is to provide a method and a system which generates various quantitative indices which are respectively proportional to the probability of diagnosis of the various known forms of dementia, in order to assist the differential diagnosis by the physician. While achieving said objectives, the present invention does not include all the essential steps for making a diagnosis for curative purposes, and therefore cannot be considered a diagnostic method.
Detti obiettivi vengono realizzati in un aspetto della presente invenzione tramite un sistema computerizzato esperto. Un sistema computerizzato esperto è in genere formato da una base di dati, in cui sono accumulate le regole deduttive e i dettami procedurali di cui il sistema si serve nel suo operato; un motore inferienziale, in cui il programma si occupa di applicare in concreto le nozioni contenute nella base di dati; un’interfaccia utente, che permette Γ interazione fra il soggetto umano e il programma che deve dare risposta ai sui problemi. Detto sistema computerizzato esperto contiene inoltre almeno un algoritmo per migliorare le prestazioni di' detto motore „ inferienziale tramite apprendimento supervisionato. Said objectives are achieved in one aspect of the present invention by means of an expert computerized system. An expert computerized system generally consists of a database, in which the deductive rules and procedural dictates used by the system in its work are accumulated; an inferential engine, in which the program takes care of concretely applying the notions contained in the database; a user interface, which allows Γ interaction between the human subject and the program that must respond to its problems. Said expert computerized system further contains at least one algorithm for improving the performance of said inferential 'motor' by means of supervised learning.
Secondo un aspetto della presente invenzione, i dati che possono essere utilizzati dal sistema computerizzato esperto comprendono, ma non sono limitati a: According to an aspect of the present invention, the data that can be used by the skilled computer system includes, but is not limited to:
- età e sesso del paziente - age and sex of the patient
- familiarità demenze - familiarity of dementia
- presenza depressione o delirium - presence of depression or delirium
- genotipo dell’apolipoproteina E (APOE) - genotype of apolipoprotein E (APOE)
- genotipo dell’interleuchina- 18 (IL- 18) - genotype of interleukin-18 (IL-18)
- genotipo della presenilina 1 e 2 (PSEN1 e PSEN2) - genotype of presenilin 1 and 2 (PSEN1 and PSEN2)
- esami di laboratorio - laboratory tests
- test cognitivi e comportamentali - cognitive and behavioral tests
- dati neuroradiologici - neuroradiological data
In particolare, secondo un aspetto della presente invenzione, detti esami di laboratorio che possono essere utilizzati dal sistema computerizzato esperto comprendono, ma non sono limitati a: - esame emocromocitometrico In particular, according to an aspect of the present invention, said laboratory tests which can be used by the expert computerized system include, but are not limited to: - blood count
- azotemia, glicemia, ettrolitemia, calcemìa, fosforemia - test di funzionalità epatica - BUN, glycemia, electrolysis, calcium, phosphorus - liver function test
- test di funzionalità tiroidea (TSH) - thyroid function test (TSH)
- concentrazione piasmatica di B 12 e di folati - piasmatic concentration of B 12 and folate
- test per la sifilide e per l'HIV - tests for syphilis and HIV
- esame delle urine - urinalysis
In particolare, secondo un aspetto della presente invenzione, detti test cognitivi e comportamentali che possono essere-utilizzatrdal sistema computerizzato esperto comprendono, ma non sono limitati a: In particular, according to an aspect of the present invention, said cognitive and behavioral tests which can be used by the expert computerized system include, but are not limited to:
- Mini Mental State Examination (MMSE) - Mini Mental State Examination (MMSE)
- autonomia nelle attività della vita quotidiana (ADL) - autonomy in activities of daily living (ADL)
- autonomia nelle attività strumentali della vita quotidiana (IADL) - autonomy in instrumental activities of daily life (IADL)
- Barthel Index - Barthel Index
- Neurophychiatric Inventory (NPI) - Neurophychiatric Inventory (NPI)
- le 15 parole di Rey - Rey's 15 words
- test di aprassia costruttiva - constructive apraxia test
- test delle matrici attenzionali numeriche - test of numerical attentional matrices
- test della memoria di prosa o racconto di Babcock - Babcock's prose or short story memory test
- Token test o test dei gettoni - Token test or token test
- test di fluenza verbale per categorie - verbal fluency test by categories
- test di fluenza verbale per lettera - verbal fluency test by letter
- digit span avanti ed indietro - digit span back and forth
- span verbale - verbal span
- Alzheimer’ s Disease Assessment Scale (ADAS) - Alzheimer's Disease Assessment Scale (ADAS)
- Severe Impairment Battery (SIB) - Severe Impairment Battery (SIB)
- Geriatrie Depression Scale - Geriatrie Depression Scale
In particolare, secondo un aspetto della presente invenzione, deti dati neuroradiologici che possono essere utilizzati dal sistema computerizzato esperto comprendono, ma non sono limitati a: In particular, according to an aspect of the present invention, said neuroradiological data which can be used by the skilled computer system include, but are not limited to:
- presenza di atrofia cerebrale rilevata con esame di tomografia computerizzata (TAC) - presence of brain atrophy detected with computed tomography (CT) examination
- presenza di ipoperfusione cerebrale rilevata con esame di tomografia a emissione di positroni (PET) - presence of cerebral hypoperfusion detected with positron emission tomography (PET) examination
- risonanza magnetica nucleare per immagini dell’encefalo (MRI) - nuclear magnetic resonance imaging of the brain (MRI)
In particolare, secondo un aspetto della presente invenzione, detti dati neuroradiologici di risonanza magnetica nucleare per immagini (MRI) che possono essere utilizzati dal sistema computerizzato esperto comprendono, ma non sono limitati a: In particular, according to an aspect of the present invention, said neuroradiological data of nuclear magnetic resonance imaging (MRI) which can be used by the expert computer system include, but are not limited to:
- immagini T 1 -pesate (T 1 w MRI) - T 1 -weighted images (T 1 w MRI)
- immagini T2-pesate (T2w MRI) - T2-weighted images (T2w MRI)
- immagini T2* -pesate (T2*w MRI) - T2 * -weighted images (T2 * w MRI)
- immagini in densità protonica (DPw MRI) - proton density images (DPw MRI)
- immagini del tensore di diffusione (DTI) - images of the diffusion tensor (DTI)
- immagini del trasferimento di magnetizzazione (MTI) - immagini pesate in suscettività (S WI) - magnetization transfer images (MTI) - susceptibility weighted images (S WI)
- immagini pesate in perfusione (PWI) - perfusion weighted images (PWI)
- immagini di spettroscopia (CSI) - spectroscopy images (CSI)
- immagini con mezzo di contrasto - images with contrast medium
Dette immagini possono essere aquisite con vari tipi di sequenze di impulsi: ad esempio, ma non limitatamente, sequenze spin-eco, sequenze gradient-eco, sequenze eco-planari. Le immagini per ciascun paziente possono essere sia di tipo strutturale che di tipo funzionale. These images can be acquired with various types of pulse sequences: for example, but not limited to, spin-echo sequences, gradient-echo sequences, echo-planar sequences. The images for each patient can be both structural and functional.
Tutti i dati menzionati sopra sono ben noti agli esperti nell’arte. Ad eccezione dei dati -MRI," tutti i dati e i risultati dei test sopra menzionati possono essere espressi facilmente in formato numerico o categorico (si/no, maschio/femmina, allele 1,2,3, ecc.), e come tali possono essere immessi direttamente in basi dati informatiche leggibili da un sistema computerizzato esperto. All the data mentioned above are well known to those skilled in the art. With the exception of the -MRI data, "all the data and test results mentioned above can be easily expressed in numeric or categorical format (yes / no, male / female, allele 1,2,3, etc.), and as such they can be entered directly into computer databases readable by an expert computer system.
Secondo un aspetto della presente invenzione anche le immagini MRI possono essere elaborate dal sistema computerizzato esperto in modo tale da estrarre le caratteristiche salienti che possono essere integrate con il resto dei dati per valutare le probabilità della presenza, del tipo, e della stadiazione della demenza nel paziente. Il metodo di valutazione delle immagini MRI da parte del sistema esperto costituisce parte integrante della presente invenzione e verrà esposto dettagliatamente più avanti, in particolare nella descrizione delle realizzazioni preferite. According to an aspect of the present invention, the MRI images can also be processed by the expert computerized system in such a way as to extract the salient features that can be integrated with the rest of the data to evaluate the probabilities of the presence, type, and staging of dementia in the patient. The method of evaluation of the MRI images by the expert system constitutes an integral part of the present invention and will be explained in detail later, in particular in the description of the preferred embodiments.
Secondo il sistema e metodo della presente invenzione, per generare le probabilità di diagnosi per un determinato paziente, devono essere immessi nel sistema computerizzato esperto i dati relativi al paziente stesso. According to the system and method of the present invention, in order to generate the probabilities of diagnosis for a given patient, the data relating to the patient must be entered in the expert computerized system.
Secondo un aspetto della presente invenzione, il sistema computerizzato esperto può generare una probabilità di diagnosi anche quando vengono immessi solo parte dei dati menzionati sopra, tuttavia i risultati generati dal sistema computerizzato esperto saranno tanto più attendibili tanto più completi saranno i dati immessi. Preferibilmente, per ciascun paziente vengono raccolti almeno una serie di immagini di risonanza magnetica nucleare, almeno ima batterìa di test cognitivi e comportamentali (MMSE), ed almeno una serie di esami di laboratorio. According to an aspect of the present invention, the expert computer system can generate a diagnosis probability even when only part of the data mentioned above are entered, however the results generated by the expert computer system will be the more reliable the more complete the entered data will be. Preferably, at least one series of nuclear magnetic resonance images, at least one cognitive and behavioral test bacteria (MMSE), and at least one series of laboratory tests are collected for each patient.
Secondo un aspetto della presente invenzione, i dati immessi per un determinato paziente vengono confrontati con i dati presenti nella base dati tramite un algoritmo statistico in modo tale da ricavare un grado di appartenenza o di similitudine con ciascuno di diversi profili associati a diverse diagnosi e diverse stadiazioni di demenza (classificazione). According to an aspect of the present invention, the data entered for a given patient are compared with the data present in the database by means of a statistical algorithm in such a way as to obtain a degree of belonging or similarity with each of different profiles associated with different diagnoses and different staging of dementia (classification).
Detto algoritmo statistico può essere preferibilmente, ma non esclusivamente, costituito da: macchine a vettori di supporto, classificatori bayesiani, reti neurali, regressioni logistiche. Said statistical algorithm can be preferably, but not exclusively, made up of: support vector machines, Bayesian classifiers, neural networks, logistic regressions.
Secondo un aspetto della presente invenzione, il sistema computerizzato esperto può essere preventivamente istruito in modo tale da consentirgli di risolvere il compito classificatorio in modo automatico. Detta fase di apprendimento viene preferibilmente effettuata in modo supervisionato, ovvero fornendo un numero adeguato di dati esemplificativi preventivamente classificati secondo le diverse diagnosi. In tale fase di apprendimento ralgoritmo statistico “apprende” quali sono le differenze tra i diversi gruppi nei quali dovrà successivamente classificare i nuovi pazienti, come anche quali sono i caratteri salienti che descrivono il progresso della patologia. According to an aspect of the present invention, the expert computerized system can be previously instructed in such a way as to allow it to solve the classifying task automatically. Said learning phase is preferably carried out in a supervised way, ie by providing an adequate number of exemplary data previously classified according to the various diagnoses. In this learning phase, the statistical algorithm “learns” what are the differences between the different groups in which it will subsequently have to classify the new patients, as well as what are the salient features that describe the progress of the disease.
Secondo un aspetto della presente invenzione, in una fase successiva a quella di apprendimento ogni nuovo paziente è rappresentato da un insieme di nuovi dati, i quali vengono confrontati tramite ralgoritmo statistica con i diversi profili esistenti nel sistema computerizzato esperto. Una volta raggiunto e confermato un profilo diagnostico per detto paziente, i dati di detto paziente possono essere potenzialmente aggiunti alla base dati per aumentare l’accuratezza classificatoria relativamente a detto profilo diagnostico. Detta procedura può essere definita un apprendimento continuo. According to an aspect of the present invention, in a phase subsequent to the learning phase, each new patient is represented by a set of new data, which are compared by means of a statistical algorithm with the different profiles existing in the expert computerized system. Once a diagnostic profile has been reached and confirmed for said patient, the data of said patient can potentially be added to the database to increase the classification accuracy in relation to said diagnostic profile. This procedure can be defined as continuous learning.
Secondo un aspetto della presente invenzione, detti algoritmi statistici possono essere applicati anche alle immagini di risonanza magnetica. A tale scopo, le immagini di risonanza magnetica devono subire una fase di preprocessamento automatizzato. Detto preprocessamento e parte delle analisi di seguito descritte verranno esposte dettagliatamente nella descrizione delle realizzazioni preferite. Una volta subito detto preprocessamento, le immagini verranno analizzate ad esempio, ma non limitatamente, secondo la tecnica delle regioni di interesse (ROI) e/o secondo la tecnica voxel based in uno spazio standard. According to an aspect of the present invention, said statistical algorithms can also be applied to magnetic resonance images. To do this, the MRI images must undergo an automated preprocessing step. Said preprocessing and part of the analyzes described below will be detailed in the description of the preferred embodiments. Once this preprocessing has been made, the images will be analyzed for example, but not limited to, according to the technique of regions of interest (ROI) and / or according to the voxel based technique in a standard space.
Secondo un aspetto della presente invenzione, nella tecnica delle regioni di interesse applicata alle immagini di risonanza magnetica vengono identificate almeno uria, ma preferibilmente più di una, aree anatomiche dalle quali vengono estratti dati numerici del segnale delle immagini e/o dati delle dimensioni lineari dell’area stessa. Detti dati numerici possono essere quindi inseriti nel sistema computerizzato esperto nello stesso modo sopra descritto relativamente agli esami di laboratorio o ai test cognitivi e comportamentali. Dette àree anatomiche possono essere identificate sulle immagini MRI manualmente da un operatore, o più preferibilmente in modo automatico da un algoritmo per il riconoscimento delle strutture anatomiche. Dette aree anatomiche cerebrali possono essere ad esempio costituite, ma non limitate a: l’ippocampo, i ventricoli laterali, amigdala, il nucleo caudato, il nucleo accumbens, il putamen, il talamo, la zona neurogenica sottoventricolare e le altre aree neurogeniche, le aree di corteccia cerebrale appartenenti ai diversi lobi, i diversi fasci di fibre nella sostanza bianca che connettono dette aree tra di loro e/o con altre aree corticali e sottocorticali. According to an aspect of the present invention, in the region of interest technique applied to magnetic resonance images, at least one, but preferably more than one, anatomical areas are identified from which numerical data of the image signal and / or data of the linear dimensions of the image are extracted. area itself. Said numerical data can then be entered into the expert computerized system in the same way as described above in relation to laboratory tests or cognitive and behavioral tests. Said anatomical areas can be identified on the MRI images manually by an operator, or more preferably automatically by an algorithm for recognizing the anatomical structures. Said cerebral anatomical areas can be for example constituted, but not limited to: the hippocampus, the lateral ventricles, amygdala, the caudate nucleus, the nucleus accumbens, the putamen, the thalamus, the subventricular neurogenic zone and the other neurogenic areas, the areas of the cerebral cortex belonging to the different lobes, the different bundles of fibers in the white matter that connect these areas to each other and / or to other cortical and subcortical areas.
Secondo un aspetto della presente invenzione, nella tecnica voxel based applicata alle immagini di risonanza magnetica, i dati salienti provenienti da diverse regioni anatomiche vengono riconosciuti automaticamente da un algoritmo statistico. Detto algoritmo statistico può essere preferibilmente, ma non esclusivamente, costituito da: macchine a vettori di supporto, classificatori bayesiani, reti neurali, regressioni logistiche. Nella tecnica voxel based, le immagini di diversi soggetti vengono spazialmente trasformate in modo tale da trovarsi tutte nello stesso spazio standard. In seguito a detta trasformazione si assume che allo stesso voxel (unità elementare dell’immagine) su soggetti diversi corrispondano identiche regioni anatomiche. Le immagini preprocessate e trasformate dei pazienti presenti nella base dati normativa vengono utilizzate per effettuare la fase di apprendimento supervisionàto dell’ algoritmo statistico, in - modo tale che detto algoritmo statistico “apprende” a riconoscere quali e dove sono le differenze tra i diversi gruppi o profili diagnostici nei quali dovrà successivamente classificare i nuovi pazienti, come anche quali sono i caratteri salienti che descrivono il progresso della patologia. According to an aspect of the present invention, in the voxel based technique applied to magnetic resonance images, the salient data coming from different anatomical regions are automatically recognized by a statistical algorithm. Said statistical algorithm can be preferably, but not exclusively, made up of: support vector machines, Bayesian classifiers, neural networks, logistic regressions. In the voxel based technique, the images of different subjects are spatially transformed in such a way that they are all in the same standard space. Following this transformation, it is assumed that identical anatomical regions correspond to the same voxel (elementary unit of the image) on different subjects. The preprocessed and transformed images of the patients present in the normative database are used to carry out the supervised learning phase of the statistical algorithm, in such a way that said statistical algorithm "learns" to recognize which and where are the differences between the different groups or diagnostic profiles in which he will subsequently have to classify the new patients, as well as which are the salient characters that describe the progress of the pathology.
Secondo un aspetto della presente invenzione, in una fase successiva a quella di apprendimento ogni nuovo paziente è rappresentato da un insieme di nuove immagini di risonanza magnetica, le quali vengono confrontate tramite l’algoritmo statistico con i diversi profili esistenti nel sistema computerizzato esperto. Una volta raggiunto e confermato un profilo diagnostico per detto paziente, le immagini di detto paziente possono essere potenzialmente aggiunte alla base dati per aumentare l’accuratezza classificatoria relativamente a detto profilo diagnostico. Detta procedura può essere definita un apprendimento continuo. According to an aspect of the present invention, in a phase subsequent to that of learning, each new patient is represented by a set of new magnetic resonance images, which are compared through the statistical algorithm with the different profiles existing in the expert computer system. Once a diagnostic profile for said patient has been reached and confirmed, the images of said patient can potentially be added to the database to increase the classification accuracy in relation to said diagnostic profile. This procedure can be defined as continuous learning.
Secondo un aspetto della presente invenzione, quando un utente intende interrogare il sistema computerizzato esperto, immette nel sistema tramite un interfaccia utente l’insieme di dati raccolti sul paziente. Preferibilmente, vengono immessi almeno una serie di immagini di risonanza magnetica nucleare, almeno una battéria di test cognitivi e comportamentali (MMSE), ed almeno una serie di esami di laboratorio. Preferibilmente, il sistema è in grado di accettare diverse tipologie di dati, come ad esempio quelli menzionati in precedenza/ ed i risultati generati- dal sistema computerizzato esperto saranno tanto più attendibili tanto più completi saranno i dati immessi. According to an aspect of the present invention, when a user intends to interrogate the expert computer system, he enters the set of data collected on the patient into the system via a user interface. Preferably, at least one series of nuclear magnetic resonance images, at least one cognitive and behavioral test battery (MMSE), and at least one series of laboratory tests are entered. Preferably, the system is able to accept different types of data, such as for example those mentioned above / and the results generated by the expert computer system will be the more reliable the more complete the data entered.
Secondo un aspetto della presente invenzione, una volta analizzati i dati immessi tramite l’algoritmo statistico sopra menzionato, il sistema computerizzato esperto genera un indice di probabilità per ciascuna di diverse possibili forme di demenza. According to an aspect of the present invention, once the data entered through the statistical algorithm mentioned above has been analyzed, the expert computer system generates a probability index for each of the different possible forms of dementia.
Secondo un aspetto della presente invenzione, le forme di demenza riconoscibili dal sistema computerizzato esperto possono essere, ad esempio ma non limitatamente: According to an aspect of the present invention, the forms of dementia recognizable by the expert computerized system can be, for example but not limited to:
- demenza associata a malattia di Alzheimer - dementia associated with Alzheimer's disease
- demenza vascolare - vascular dementia
- demenza a corpi di Lewy - Lewy body dementia
- mild cognitive impairment (MCI) - mild cognitive impairment (MCI)
- demenza associata a malattia di Pick - dementia associated with Pick's disease
- demenza fronto-temporale - frontotemporal dementia
- demenza da prioni - prion dementia
~ demenza da disturbi endocrino-metabolici (patologie tiroidee, epatiche, da insufficienza renale) ~ dementia due to endocrine-metabolic disorders (thyroid and hepatic diseases, renal insufficiency)
- demenza carenziale (sindrome di Korsakoff-Wemicke, pellagra, deficit di B 12 e folati) - Dementia deficiency (Korsakoff-Wemicke syndrome, pellagra, B 12 and folate deficiency)
- demenza da encefalopatie tossiche - dementia due to toxic encephalopathies
- demenza da malattie organiche di varia natura (tumori, traumi, sclerosi multipla) - dementia from organic diseases of various kinds (tumors, trauma, multiple sclerosis)
- demenza da infezioni (AIDS, meningiti, malattia di Whipple) - dementia from infections (AIDS, meningitis, Whipple's disease)
- demenza associata a degenerazione neuronale primitiva: - dementia associated with primary neuronal degeneration:
malattia di Parkinson, corea di Huntington, altre forme di sindromi extrapiramidali Parkinson's disease, Huntington's chorea, other forms of extrapyramidal syndromes
Secondo un aspetto della presente invenzione, il sistema computerizzato esperto genera per ciascuna delle forme di demenza sopra menzionate un indice di probabilità, ad esempio compreso tra il valore 0 e il valore 100, in modo tale che detto indice sia proporzionale alla corrispondenza tra il profilo diagnostico di detta forma di demenza e il profilo diagnostico del paziente. According to an aspect of the present invention, the expert computerized system generates for each of the aforementioned forms of dementia a probability index, for example between the value 0 and the value 100, so that said index is proportional to the correspondence between the profile diagnosis of said form of dementia and the patient's diagnostic profile.
Secondo un aspetto della presente invenzione, il sistema computerizzato esperto associa a ciascuno di detti indici di probabilità della forma di demenza un secondo indice che è proporzionale al grado di incertezza nell’identificazione della forma di demenza. According to an aspect of the present invention, the expert computerized system associates a second index to each of said probability indices of the form of dementia which is proportional to the degree of uncertainty in identifying the form of dementia.
Secondo un aspetto della presente invenzione, l’utente può selezionare prima dell’ analisi alcune forme di demenza che egli ritiene maggiormente probabili, escludendo altre forme di demenza che egli ritiene incompatibili con il profilo diagnostico del paziente, ed in questo caso il sistema computerizzato esperto genera un indice di probabilità solo per le forme di demenza selezionate dall’utente. Preferibilmente, preselezionando le forme di demenza compatibili con il profilo diagnostico del paziente diminuisce il livello di incertezza associato dal sistema computerizzato esperta a dette forme di demenza. According to an aspect of the present invention, the user can select before the analysis some forms of dementia which he considers most probable, excluding other forms of dementia which he considers incompatible with the diagnostic profile of the patient, and in this case the expert computer system. generates a probability index only for the forms of dementia selected by the user. Preferably, preselecting the forms of dementia compatible with the patient's diagnostic profile decreases the level of uncertainty associated by the expert computer system with said forms of dementia.
Secondo un aspetto della presente invenzione, il sistema computerizzato esperto genera per ciascuna delle forme di demenza sopra menzionate detti indici di probabilità e detti indici di incertezza in funzione del tempo, dal momento della diagnosi in avanti. In altri termini, per ciascun indice generato dal sistema computerizzato esperto non viene fornito solo un valore numerico corrispondente al momento della diagnosi, bensì viene fornita una funzione con andamento temporale variabile, dalla quale può essere estrapolato il valore di detto indice anche a distanza di mesi o anni dal momento della diagnosi. Detti indici variabili in funzione del tempo hanno lo scopo di coadiuvare il medico nel valutare il probabile andamento temporale dell’evoluzione della demenza nel paziente. According to an aspect of the present invention, the expert computerized system generates for each of the forms of dementia mentioned above said probability indices and said indices of uncertainty as a function of time, from the moment of diagnosis onwards. In other words, for each index generated by the expert computerized system, not only a numerical value corresponding to the moment of diagnosis is provided, but a function with a variable temporal trend is provided, from which the value of said index can be extrapolated even after months or years from the time of diagnosis. These variable indices as a function of time are intended to assist the physician in assessing the probable temporal course of the evolution of dementia in the patient.
Questi e altri obiettivi e vantaggi della presente invenzione diverranno apparenti grazie alla seguente descrizione dettagliata delle realizzazioni preferite, esaminata congiuntamente ai disegni allegati. These and other objects and advantages of the present invention will become apparent from the following detailed description of the preferred embodiments, examined in conjunction with the accompanying drawings.
Breve descrizione dei disegni Brief description of the drawings
La Figura 1 è una rappresentazione schematica del sistema secondo la presente invenzione. Figure 1 is a schematic representation of the system according to the present invention.
Descrizione dettagliata delle realizzazioni preferite Detailed description of the preferred creations
Con riferimento alla Figura 1, verranno ora descritte dettagliatamente le realizzazioni preferite della . presente invenzione. With reference to Figure 1, the preferred embodiments of the invention will now be described in detail. present invention.
Un sistema computerizzato esperto 100 comprende diversi moduli per la raccolta ed elaborazione dei dati di un paziente 200-300-400-500, un modello statistico 600, un algoritmo per il calcolo di indici probabilistici diagnostici e prognostici 700, ed un dispositivo per la visualizzazione dei risultati 800. An expert computer system 100 includes several modules for collecting and processing patient data 200-300-400-500, a statistical model 600, an algorithm for calculating probabilistic diagnostic and prognostic indices 700, and a device for displaying of the 800 results.
Secondo una realizzazione preferita della presente invenzione, un utente che intende ottenere degli indici probabilistici corrispondenti a varie forme di demenza relativemente ad un determinato paziente, deve immettere nel sistema computerizzato esperto 100 i dati raccolti sul paziente stesso. According to a preferred embodiment of the present invention, a user who intends to obtain probabilistic indices corresponding to various forms of dementia relating to a specific patient, must enter the data collected on the patient himself into the expert computerized system 100.
Sempre secondo una realizzazione preferita, i dati clinici generali vengono immessi attraverso un modulo di raccolta dei dati clinici generali 300. Un elenco esemplificativo di detti dati clinici generali comprende preferibilmente, ma non limitatamente: l’età del paziente; il sesso; la familiarità delle demenze; la presenza di depressione; la presenza di delirium; presenza di atrofia cerebrale rilevata con esame di tomografia computerizzata (TAC); presenza di ipoperfusione cerebrale rilévata con esame di tomografia a emissione di positroni (PET); ecc. Still according to a preferred embodiment, the general clinical data are entered through a general clinical data collection form 300. An exemplary list of said general clinical data preferably, but not limitedly includes: the age of the patient; sex; familiarity with dementia; the presence of depression; the presence of delirium; presence of brain atrophy detected with computed tomography (CT) examination; presence of cerebral hypoperfusion detected with positron emission tomography (PET) examination; etc.
Sempre secondo una realizzazione preferita, i dati relativi agli esami di laboratorio e genetici vengono immessi attraverso un modulo di raccolta degli esami di laboratorio e genetici 400. Un elenco esemplificativo di detti dati relativi agli esami di laboratorio e genetici comprende . preferibilmente, ma non limitatamente: esame emocromocitometrico; azotemia; glicemia; ettrolitemia; calcemia; fosforemia; test di funzionalità epatica; test di funzionalità tiroidea (TSH); concentrazione piasmatica di B12; concentrazione piasmatica di folati; test per la sifilide; test per l'HIV; esame delle urine; genotipo dell’apolipoproteina E (APOE); genotipo dell’interleuchina-18 (IL- 18); genotipo della presenilina 1 e 2 (PSEN1 e PSEN2); ecc. Still according to a preferred embodiment, the data relating to the laboratory and genetic tests are entered through a collection form of the laboratory and genetic tests 400. An exemplary list of said data relating to the laboratory and genetic tests comprises. preferably, but not limitedly: blood count; azotemia; glycemia; electrolysis; calcemia; phosphorus; liver function test; thyroid function test (TSH); piasmatic concentration of B12; piasmatic concentration of folate; test for syphilis; HIV testing; urinalysis; genotype of apolipoprotein E (APOE); genotype of interleukin-18 (IL-18); genotype of presenilin 1 and 2 (PSEN1 and PSEN2); etc.
Sempre secondo una realizzazione preferita, i dati relativi ai test cognitivi e comportamentali vengono immessi attraverso un modulo di raccolta dei test cognitivi e comportamentali 500. Un elenco esemplificativo di detti test cognitivi e comportamentali comprende preferibilmente, ma non limitatamente: Mini Mental State Examination (MMSE); autonomia nelle attività della vita quotidiana (ADL); autonomia nelle attività strumentali della vita quotidiana (TADL); Barthel Index; Neurophychiatric Inventory (NPI); le 15 parole di Rey; test di aprassia costruttiva; test delle matrici attenzionali numeriche; test della memoria di prosa o racconto di Babcock; Token test o test dei gettoni; test di fluenza verbale per categorie; test di fluenza verbale per lettera; digit span avanti ed indietro; span verbale; Alzheimer’ s Disease Assessment Scale (ADAS); Severe Impairment Battery (SIB); Geriatrie Depression Scale; ecc. Again according to a preferred embodiment, the data relating to cognitive and behavioral tests are entered through a module for collecting cognitive and behavioral tests 500. An exemplary list of said cognitive and behavioral tests includes preferably, but not limited to: Mini Mental State Examination (MMSE ); autonomy in the activities of daily life (ADL); autonomy in instrumental activities of daily life (TADL); Barthel Index; Neurophychiatric Inventory (NPI); Rey's 15 words; constructive apraxia test; test of numerical attentional matrices; Babcock's prose or short story memory test; Token test or token test; verbal fluency test by categories; verbal fluency test by letter; digit span back and forth; verbal span; Alzheimer's Disease Assessment Scale (ADAS); Severe Impairment Battery (SIB); Geriatrie Depression Scale; etc.
Sempre secondo una realizzazione preferita, Γ insieme delle immagini MRI ottenute per il paziente vengono inserite ed analizzate attraverso un modulo per ranalisi dei dati -MRI-200. Dette immagini possono essere ottenuto attraverso diverse modalità di immagini MRI. Un elenco esemplificativo di dette modalità comprende preferibilmente, ma non limitatamente: immagini TI -pesate (Tlw MRI); immagini T2-pesate (T2w MRI); immagini T2*-pesate (T2*w MRI); immagini in densità protonica (DPw MRI); immagini del tensore di diffusione (DTI); immagini del trasferimento di magnetizzazione (MTI); immagini pesate in suscettività (SWI); immagini pesate in perfusione (PWI); immagini di spettroscopia (CSI); immagini con mezzo di contrasto; ecc. Still according to a preferred embodiment, the set of MRI images obtained for the patient are inserted and analyzed through a data analysis module -MRI-200. Said images can be obtained through different MRI imaging modalities. An exemplary list of said modalities preferably, but not limitedly includes: TI-weighted images (Tlw MRI); T2-weighted images (T2w MRI); T2 * -weighted images (T2 * w MRI); proton density images (DPw MRI); images of the diffusion tensor (DTI); magnetization transfer images (MTI); susceptibility weighted images (SWI); perfusion weighted images (PWI); spectroscopy images (CSI); images with contrast medium; etc.
Sempre secondo una realizzazione preferita, l’insieme completo delle immagini MRI raccolte per un determinato paziente può essere trasferito direttamente dal tomografo di risonanza magnetica al modulo per Tanalisi dei dati MRI 200 attraverso una rete informatica, o può essere immesso attraverso un supporto informatico quali ad esempio, ma non limitatamente: dischi magnetici; dischi ottici; nastri magnetici; nastri ottici; memorie flash; memorie usb; ecc. Still according to a preferred embodiment, the complete set of MRI images collected for a given patient can be transferred directly from the magnetic resonance tomograph to the MRI data analysis module 200 through a computer network, or it can be entered through a computer support such as example, but not limited to: magnetic disks; optical discs; magnetic tapes; optical tapes; flash memories; usb memories; etc.
Sempre secondo una realizzazióne preferita, dette immagini MRI possono essere inserite nel modulo per ranalisi dei dati MRI 200 attraverso un modulo per la raccolta delle immagini MRI 201. Dette immagini MRI possono essere raccolte nel modulo per la raccolta delle immagini MRI 201 in un qualunque formato standard noto agli esperti nell’arte, come ad esempio, ma non limitatamente: formata DICOM; formato Nifti; formato Analyze, formato Mine; formato Tiff; formato Bitmap; formato Jpeg; formato PS; formato Pdf; formato Gif; ecc. Always according to a preferred embodiment, said MRI images can be inserted in the form for ranalysis of MRI data 200 through a form for the collection of MRI images 201. Said MRI images can be collected in the form for the collection of MRI images 201 in any format. standard known to those skilled in the art, such as, but not limited to: DICOM formed; Nifti format; Analyze format, Mine format; Tiff format; Bitmap format; Jpeg format; PS format; PDF format; Gif format; etc.
Sempre secondo una realizzazione preferita, dette immagini MRI raccolte nel modulo per la -<'>raccolta delle immagini MRI 201 vengono preprocessate da un modulo per il preprocessamento delle immagini 202, ciascuna tenendo conto delle rispettive e caratteristiche modalità di acquisizione MRI. Ad esempio, ma non limitatamente, le immagini ottenute con modalità DTI vengono preprocessate in modo tale da estrarre per ciascun voxel il tensore della diffusione ed i relativi parametri connessi (Anisotropia Frazionaria, Diffusività Media, autovettori autovalori, e possibili combinazioni di questi); le immagini ottenute con modalità Tl, T2 e con il mezzo di contrasto vengono preprocessate per classificare i voxel in classi di appartenenza (sostanza grigia, sostanza bianca, fluido cerebro-spinale, tessuto lesionato); le immagini T2*-pesate, le immagini del trasferimento di magnetizzazione (MTI), le immagini pesate in suscettività (SWI) e le immagini pesate in perfusione (PWI), vengono fittate con le rispettive funzioni di decadimento/variazione aspettata per ricavare le relative mappe; le immagini di spettroscopia (CSI) vengono fittate con gli spettri per ricavare la concentrazione locale di metaboliti; ecc. In altre parole, le immagini native MRI vengono preprocessate con procedimenti ben noti agli esperti nell’arte per ricavarne informazioni aggiuntive che non sono immediatamente evidenti nel formato nativo generato dal tomografo MRI. . Still according to a preferred embodiment, said MRI images collected in the module for the collection of the MRI images 201 are preprocessed by a module for the preprocessing of the images 202, each taking into account the respective and characteristic MRI acquisition modes. For example, but not limited to, the images obtained with DTI modality are preprocessed in such a way as to extract the diffusion tensor and related parameters for each voxel (Fractional Anisotropy, Mean Diffusivity, eigenvectors, eigenvalues, and possible combinations of these); the images obtained with the Tl, T2 modality and with the contrast medium are preprocessed to classify the voxels into their classes (gray matter, white matter, cerebro-spinal fluid, injured tissue); T2 * -weighted images, magnetization transfer images (MTI), susceptibility weighted images (SWI) and perfusion weighted images (PWI), are fitted with the respective decay / variation functions expected to obtain the relative maps; the spectroscopy images (CSI) are fitted with the spectra to derive the local concentration of metabolites; etc. In other words, the native MRI images are preprocessed with procedures well known to those skilled in the art to obtain additional information that is not immediately evident in the native format generated by the MRI tomograph. .
Sempre secondo una realizzazione preferita, dette immagini preprocessate vengono trasferite dal modulo per il preprocessamento delle immagini 202 al modulo per l’identificazione delle aree anatomiche 210. Detto modulo per Γ identificazione delle aree anatomiche 210 contiene una base dati con diverse aree anatomiche cerebrali che possono essere delimitate manualmente o automaticamente, ma preferibilmente con algoritmo automatizzato, su almeno una, ma preferibilmente più di una, di dette immagini preprocessate. Dette aree anatomiche cerebrali possono essere ad esempio costituite, ma non limitate a: l’ippocampo, i ventricoli laterali, l’amigdala, il nucleo caudato, il nucleo accumbens, il putamen, il talamo, la zona neurogenica sottoventricolare e le altre aree neurogeniche, le aree di corteccia cerebrale appartenenti ai diversi lobi, i diversi fasci di fibre nella sostanza bianca che connettono dette aree tra di loro e/o con altre aree corticali e sottocorticali. Always according to a preferred embodiment, said preprocessed images are transferred from the module for the preprocessing of the images 202 to the module for the identification of the anatomical areas 210. Said module for the identification of the anatomical areas 210 contains a database with different brain anatomical areas that can be delimited manually or automatically, but preferably with an automated algorithm, on at least one, but preferably more than one, of said preprocessed images. Said cerebral anatomical areas can be for example constituted, but not limited to: the hippocampus, the lateral ventricles, the amygdala, the caudate nucleus, the nucleus accumbens, the putamen, the thalamus, the subventricular neurogenic zone and the other neurogenic areas , the areas of the cerebral cortex belonging to the different lobes, the different bundles of fibers in the white matter that connect these areas to each other and / or to other cortical and subcortical areas.
Sempre secondo una realizzazione preferita della presente invenzione dette immagini preprocessate dal modulo per il preprocessamento delle immagini 202 e dette aree anatomiche cerebrali identificate dal modulo per l’identificazione delle aree anatomiche 210 vengono trasferite ad un modulo per l’ànalisi delle regioni di interesse 211. Detto modulo per l’analisi delle regioni di interesse 211 estrae da dette aree anatomiche cerebrali dati statistici di intensità del segnale che caratterizzano le immagini nell’area spaziale identificata -dall’area -anatomica stessa. Ad esempio, ma non limitatamente, detti dati statistici possono essere costituiti da: media aritmetica, scarto quadratico medio, curiosi, percentili, moda, mediana, ecc. Still according to a preferred embodiment of the present invention, said images preprocessed by the module for the preprocessing of the images 202 and said anatomical brain areas identified by the module for the identification of the anatomical areas 210 are transferred to a module for the analysis of the regions of interest 211. Said module for the analysis of regions of interest 211 extracts from said brain anatomical areas statistical data of signal intensity which characterize the images in the spatial area identified by the anatomic area itself. For example, but not limited to, said statistical data can consist of: arithmetic mean, standard deviation, curious, percentiles, fashion, median, etc.
Sempre secondo una realizzazione preferita della presente invenzione, dette immagini preprocessate vengono trasferite dal modulo per il preprocessamento delle immagini 202 al modulo per la normalizzazione 220. Detto modulo per la normalizzazione 220 trasforma spazialmente le immagini preprocessate in modo da trasportarle nel medesimo spazio standard. In seguito a detta trasformazione si assume che allo stesso voxel (unità elementare dell’immagine) su soggetti diversi corrispondano identiche regioni anatomiche. Still according to a preferred embodiment of the present invention, said preprocessed images are transferred from the image preprocessing module 202 to the normalization module 220. Said normalization module 220 spatially transforms the preprocessed images so as to transport them in the same standard space. Following this transformation, it is assumed that identical anatomical regions correspond to the same voxel (elementary unit of the image) on different subjects.
Sempre secondo una realizzazione preferita della presente invenzione, dette immagini normalizzate vengono trasferite dal modulo per la normalizzazione 220 al modulo per il riconoscimento dei pattern 221. Detto modulo per il riconoscimento dei pattern 221 contiene un algoritmo statistico per il riconoscimento delle aree anatomiche salienti nelle immagini normalizzate. Detto algoritmo statistico può essere costituito preferibilmente, ma non limitatamente, da: macchine a vettori di supporto, classificatori bayesiani, reti néurali, regressioni logistiche. Detto algoritmo statistico viene istruito, in una fase di apprendimento supervisionato del sistema computerizzato esperto 100 secondo la presente invenzione, a riconoscere quali e dove sono le regolarità e ie differenze (pattern) tra i diversi gruppi o profili diagnostici nei quali dovrà successivamente classificare i pazienti, come anche quali sono i caratteri salienti delle immagini che descrivono il progresso della patologia. Still according to a preferred embodiment of the present invention, said normalized images are transferred from the normalization module 220 to the pattern recognition module 221. Said pattern recognition module 221 contains a statistical algorithm for the recognition of the salient anatomical areas in the images normalized. Said statistical algorithm can preferably, but not limitedly, consist of: support vector machines, Bayesian classifiers, natural networks, logistic regressions. Said statistical algorithm is instructed, in a supervised learning phase of the expert computerized system 100 according to the present invention, to recognize which and where are the regularities and differences (patterns) between the different diagnostic groups or profiles in which the patients must subsequently be classified. , as well as what are the salient features of the images that describe the progress of the disease.
Secondo una realizzazione preferita della presente invenzione, in ogni fase successiva a detta fase di apprendimento, detto modulo per il riconoscimento dei pattern 221 identifica e delimita in dette immagini normalizzate di un determinato paziente i pattern spaziali che meglio caratterizzano le diverse forme di demenza, utilizzando a tale scopo la base dati normativa e le regole apprese durante detta fase di apprendimento supervisionato. According to a preferred embodiment of the present invention, in each phase subsequent to said learning phase, said pattern recognition module 221 identifies and delimits in said normalized images of a given patient the spatial patterns that best characterize the different forms of dementia, using for this purpose the normative database and the rules learned during said supervised learning phase.
Sempre secondo una realizzazione preferita della presente invenzione dette immagini normalizzate dal modulo per la normalizzazione 220 e detti pattern identificati dal modulo per il riconoscimento dei pattern 221 vengono trasferiti ad un modulo per l’analisi dei pattern 222. Detto modulo per l’analisi dei pattern 222 estrae dalle aree anatomiche cerebrali identificati da detti pattern i dati statistici di intensità del segnale che caratterizzano le immagini nelle aree spaziali identificate dai pattern stessi. Ad esempio, ma non limitatamente, detti dati statistici possono essere costituiti da: media aritmetica, scarto quadratico medio, curiosi, percentili, moda, mediana, ecc. Still according to a preferred embodiment of the present invention, said images normalized by the normalization module 220 and said patterns identified by the pattern recognition module 221 are transferred to a pattern analysis module 222. Said pattern analysis module 222 extracts from the brain anatomical areas identified by said patterns the statistical signal intensity data that characterize the images in the spatial areas identified by the patterns themselves. For example, but not limited to, said statistical data can consist of: arithmetic mean, standard deviation, curious, percentiles, fashion, median, etc.
Sempre secondo una realizzazione preferita della presente invenzione, i dati generati dal modulo per l’analisi dei dati MRI 200, dal modulo di raccolta dei dati clinici generali 300,-dal modulo di raccolta degli esami di laboratorio e genetici 400, e dal modulo di raccolta dei test cognitivi e comportamentali 500, vengono trasferiti ad un modello statistico 600. Detto modello statistico 600 contiene un algoritmo statistico per il riconoscimento dei pattern salienti nell’insieme dei dati generati da detti moduli 200-300-400-500 per un determinato paziente. Detto algoritmo statistico può essere costituito preferibilmente, ma non limitatamente, da: macchine a vettori di supporto, classificatori bayesiani, reti neurali, regressioni logistiche. Detto algoritmo statistico viene istruito, in una fase di apprendimento supervisionato del sistema computerizzato esperto 100 secondo la presente invenzione, a riconoscere quali sono le regolarità e le differenze (pattern) nei dati tra i diversi gruppi o profili diagnostici nei quali dovrà successivamente classificare i pazienti, come anche quali sono i caratteri salienti delle immagini che descrivono il progresso della patologia. Still according to a preferred embodiment of the present invention, the data generated by the MRI data analysis module 200, by the general clinical data collection module 300, by the laboratory and genetic tests collection module 400, and by the collection of cognitive and behavioral tests 500, are transferred to a statistical model 600. Said statistical model 600 contains a statistical algorithm for recognizing the salient patterns in the set of data generated by said modules 200-300-400-500 for a given patient . Said statistical algorithm can preferably, but not limitedly, consist of: support vector machines, Bayesian classifiers, neural networks, logistic regressions. Said statistical algorithm is instructed, in a supervised learning phase of the expert computerized system 100 according to the present invention, to recognize which are the regularities and the differences (patterns) in the data between the different diagnostic groups or profiles in which the patients must subsequently be classified. , as well as what are the salient features of the images that describe the progress of the disease.
Sempre secondo una realizzazione preferita della presente invenzione, in ogni fase successiva a detta fase di apprendimento, detto modello statistico 600 identifica in detti dati generati da detti moduli 200-300-400-500 i pattern vettoriali che meglio caratterizzano le diverse forme di demenza, utilizzando a tale scopo la base dati normativa e le regole apprese durante detta fase di apprendimento supervisionato. Still according to a preferred embodiment of the present invention, in each phase subsequent to said learning phase, said statistical model 600 identifies in said data generated by said modules 200-300-400-500 the vector patterns that best characterize the different forms of dementia, using for this purpose the normative database and the rules learned during said supervised learning phase.
Sempre secondo una realizzazione preferita della presente invenzione detti dati generati da detti moduli .200-300-400-500 _e detti pattern vettoriali identificati da detto modello statistico 600 vengono trasferiti ad un algoritmo per il calcolo di indici probabilistici diagnostici e prognostici 700. Detto algoritmo per il calcolo di indici probabilistici diagnostici e prognostici 700 contiene una funzione che genera a partire da detti dati generati da detti moduli 200-300-400-500 e da detti pattern vettoriali identificati da detto modello statistico 600 un indice numerico per ciascuna forma di demenza riconoscibile da detto sistema computerizzato esperto 100. Still according to a preferred embodiment of the present invention, said data generated by said modules .200-300-400-500 and said vector patterns identified by said statistical model 600 are transferred to an algorithm for the calculation of diagnostic and prognostic probabilistic indices 700. Said algorithm for the calculation of diagnostic and prognostic probabilistic indices 700 contains a function which generates a numerical index for each form of dementia starting from said data generated by said modules 200-300-400-500 and from said vector patterns identified by said statistical model 600 recognizable by said expert computerized system 100.
Sempre secondo una realizzazione preferita della presente invenzione, le forme di demenza riconoscibili da detto sistema computerizzato esperto 100 sono preferibilmente, ma non limitatamente: demenza associata a malattia di Alzheimer, demenza vascolare, demenza a corpi di Lewy, mild cognitive impairment (MCI), demenza associata a malattia di Pick, demenza fronto-temporale, demenza da prioni, demenza da disturbi endocrino-metabolici (patologie tiroidee, epatiche, da insufficienza renale), demenza carenziale (sindrome di Korsakoff-Wemicke, pellagra, deficit di B12 e folati), demenza da encefalopatie tossiche, demenza da malattie organiche di varia natura (tumori, traumi, sclerosi multipla), demenza da infezioni (AIDS, meningiti, malattia di Whipple), demenza associata a degenerazione neuronaie primitiva (malattia di Parkinson, corea di Huntington, altre forme di sindromi extrapiramidali). Still according to a preferred embodiment of the present invention, the forms of dementia recognizable by said expert computerized system 100 are preferably, but not limited to: dementia associated with Alzheimer's disease, vascular dementia, Lewy body dementia, mild cognitive impairment (MCI), dementia associated with Pick's disease, fronto-temporal dementia, prion dementia, dementia due to endocrine-metabolic disorders (thyroid, hepatic, renal insufficiency diseases), deficiency dementia (Korsakoff-Wemicke syndrome, pellagra, B12 and folate deficiency) , dementia from toxic encephalopathies, dementia from organic diseases of various kinds (tumors, trauma, multiple sclerosis), dementia from infections (AIDS, meningitis, Whipple's disease), dementia associated with primary neuronal degeneration (Parkinson's disease, Huntington's chorea, other forms of extrapyramidal syndromes).
Sempre secondo una realizzazione preferita della presente invenzione, detto algoritmo per il calcolo di indici probabilistici diagnostici e prognostici 700 genera per ciascuna delle forme di demenza sopra menzionate un indice di probabilità, preferibilmente ma non limtatamente compreso tra il valore 0 e il valore 100, in modo tale che detto indice sia proporzionale alla corrispondenza tra il profilo diagnostico di detta forma di demenza e il profilo diagnostico del paziente. Detto indice di probabilità viene generato preferiblmente considerando ima funzione matematica di norma (distanza) tra il vettore dati contenente il pattern dati estratto dai dati di un determinato paziente ed il vettore dati che caratterizza ciascuna delle forme di demenza riconosciuta. Detta funzione matematica di norma può essere preferibilmente la norma euclidea, ma può essere costituita da qualunque funzione norma definita nello spazio vettoriale che ha dimensionalità compatibile con i dati generati dal sistema computerizzato esperto 100 per un paziente. Detto indice di probabilità generato da detto algoritmo per il calcolo di indici probabilistici diagnostici e prognostici 700 risulta preferibilmente inversamente proporzionale a detta funzione di norma definita nello spazio vettoriale dei dati. In altre parole, tanto minore sarà la distanza tra il vettore dati corrispondente ad un determinato paziente e il profilo dati tipico di una delle forme di demenza riconoscibili dal sistema computerizzato esperto 100, e tanto maggiore risulterà detto indice probabilistico generato da detto algoritmo per il calcolo di indici probabilistici diagnostici -e prognostici 700 per quella particolare forma di demenza. Always according to a preferred embodiment of the present invention, said algorithm for calculating diagnostic and prognostic probabilistic indices 700 generates for each of the above-mentioned forms of dementia a probability index, preferably but not limitedly between the value 0 and the value 100, in so that said index is proportional to the correspondence between the diagnostic profile of said form of dementia and the diagnostic profile of the patient. Said probability index is preferably generated considering a mathematical function of norm (distance) between the data vector containing the data pattern extracted from the data of a given patient and the data vector characterizing each of the recognized forms of dementia. Said mathematical norm function can preferably be the Euclidean norm, but it can be constituted by any norm function defined in the vector space which has dimensionality compatible with the data generated by the expert computer system 100 for a patient. Said probability index generated by said algorithm for the calculation of diagnostic and prognostic probabilistic indices 700 is preferably inversely proportional to said function normally defined in the vector space of the data. In other words, the shorter the distance between the data vector corresponding to a given patient and the typical data profile of one of the forms of dementia recognizable by the expert computerized system 100, and the greater the probability index generated by said algorithm for the calculation. of probabilistic diagnostic and prognostic indices 700 for that particular form of dementia.
Sempre secondo una realizzazione preferita della presente invenzione, detto algoritmo per il calcolo di indici probabilistici diagnostici e prognostici 700 associa a ciascuno di detti indici probabilistici un secondo indice che è proporzionale al grado di incertezza nell’ identificazione della forma di demenza. Detto indice di incertezza è preferibilmente costituito dall’ inverso dello scarto quadratico medio tra tutti gli indici probabilistici generati per le varie forme di demenza dal sistema computerizzato esperto 100. Allo scopo di aumentare detto scarto quadratico medio e di conseguenza diminuire detto indice di incertezza, l’utente può preferibilmente selezionare prima dell’analisi alcune forme di demenza che egli ritiene maggiormente probabili, escludendo altre forme di demenza che egli ritiene incompatibili con il profilo diagnostico del paziente, ed in questo caso il sistema computerizzato esperto 100 genera un indice di probabilità solo per le forme di demenza selezionate dall’utente. Still according to a preferred embodiment of the present invention, said algorithm for calculating diagnostic and prognostic probabilistic indices 700 associates a second index to each of said probabilistic indices which is proportional to the degree of uncertainty in the identification of the form of dementia. Said uncertainty index is preferably constituted by the inverse of the mean square deviation between all the probabilistic indices generated for the various forms of dementia by the expert computerized system 100. In order to increase said mean square deviation and consequently decrease said uncertainty index, the The user can preferably select before the analysis some forms of dementia which he considers most probable, excluding other forms of dementia which he considers incompatible with the diagnostic profile of the patient, and in this case the expert computerized system 100 generates a probability index only for user-selected forms of dementia.
Sempre secondo una realizzazione preferita della presente invenzione, la base dati normativa di detto algoritmo per il calcolo di indici probabilistici diagnostici e prognostici 700 conserva memorizzata l’evoluzione temporale di ciascuno dei profili tipici di ciascuna delle forme di demenza riconoscibili dal sistema computerizzato esperto 100. Detto algoritmo per il calcolo di indici probabilistici diagnostici e prognostici 700, calcolando detta funzione di norma tra il vettore dati del paziente e detti profili genera per ciascuna delle forme di demenza riconoscibili dàl sistema computerizzato esperto 100, genera ima serie temporale di indici probabilistici che coadiuva a tutti gli effetti la previsione prognostica dell’ evoluzione delle varie forme di demenza per un determinato paziente. Still according to a preferred embodiment of the present invention, the normative database of said algorithm for the calculation of diagnostic and prognostic probabilistic indices 700 stores the temporal evolution of each of the typical profiles of each of the forms of dementia recognizable by the expert computerized system 100. Said algorithm for the calculation of diagnostic and prognostic probabilistic indices 700, calculating said function normally between the patient's data vector and said profiles generates for each of the forms of dementia recognizable by the expert computerized system 100, generates a time series of probabilistic indices which assists to all intents and purposes the prognostic forecast of the evolution of the various forms of dementia for a given patient.
Sempre secondo una realizzazione preferita della presente invenzione, detti indici probabilistici ed indici di incertezza calcolati da detto algoritmo per il calcolo di indici probabilistici diagnostici e prognostici 700 vengono visualizzati attraverso un dispositivo per la visualizzazione dei risultati 800. Still according to a preferred embodiment of the present invention, said probabilistic indices and uncertainty indices calculated by said algorithm for calculating diagnostic and prognostic probabilistic indices 700 are displayed through a device for displaying the results 800.
Risulta evidente come le descrizioni delle realizzazioni preferite riportate devono essere intese in senso puramente illustrativo. Varie modifiche ed alternative possono essere elaborate dagli esperti nell'arte senza discostarsi dallo spirito e dagli ambiti della presente invenzione, come definiti dalle seguenti rivendicazioni. It is evident that the descriptions of the preferred embodiments reported must be understood in a purely illustrative sense. Various modifications and alternatives can be worked out by those skilled in the art without departing from the spirit and scope of the present invention, as defined by the following claims.
Claims (10)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| IT000380A ITRM20080380A1 (en) | 2008-07-14 | 2008-07-14 | SYSTEM AND METHOD FOR THE GENERATION OF A PROBALIST INDEX FOR THE AUTOMATIC DIFFERENTIATION OF FORMS OF DEMENTIA |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| IT000380A ITRM20080380A1 (en) | 2008-07-14 | 2008-07-14 | SYSTEM AND METHOD FOR THE GENERATION OF A PROBALIST INDEX FOR THE AUTOMATIC DIFFERENTIATION OF FORMS OF DEMENTIA |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ITRM20080380A1 true ITRM20080380A1 (en) | 2008-10-13 |
Family
ID=40551447
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| IT000380A ITRM20080380A1 (en) | 2008-07-14 | 2008-07-14 | SYSTEM AND METHOD FOR THE GENERATION OF A PROBALIST INDEX FOR THE AUTOMATIC DIFFERENTIATION OF FORMS OF DEMENTIA |
Country Status (1)
| Country | Link |
|---|---|
| IT (1) | ITRM20080380A1 (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1830292A1 (en) * | 2006-03-03 | 2007-09-05 | Mentis Cura ehf. | Method of constructing and using a reference tool to generate a discriminatory signal for indicating a medical condition of a subject |
| US20070299360A1 (en) * | 2006-06-21 | 2007-12-27 | Lexicor Medical Technology, Llc | Systems and Methods for Analyzing and Assessing Dementia and Dementia-Type Disorders |
| US20080101665A1 (en) * | 2006-10-26 | 2008-05-01 | Mcgill University | Systems and methods of clinical state prediction utilizing medical image data |
-
2008
- 2008-07-14 IT IT000380A patent/ITRM20080380A1/en unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1830292A1 (en) * | 2006-03-03 | 2007-09-05 | Mentis Cura ehf. | Method of constructing and using a reference tool to generate a discriminatory signal for indicating a medical condition of a subject |
| US20070299360A1 (en) * | 2006-06-21 | 2007-12-27 | Lexicor Medical Technology, Llc | Systems and Methods for Analyzing and Assessing Dementia and Dementia-Type Disorders |
| US20080101665A1 (en) * | 2006-10-26 | 2008-05-01 | Mcgill University | Systems and methods of clinical state prediction utilizing medical image data |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11263749B1 (en) | Predictive prognosis based on multimodal analysis | |
| Tagaris et al. | Machine learning for neurodegenerative disorder diagnosis—survey of practices and launch of benchmark dataset | |
| Wu et al. | Identification and individualized prediction of clinical phenotypes in bipolar disorders using neurocognitive data, neuroimaging scans and machine learning | |
| Mahanand et al. | Identification of brain regions responsible for Alzheimer’s disease using a Self-adaptive Resource Allocation Network | |
| Hagmann et al. | DTI mapping of human brain connectivity: statistical fibre tracking and virtual dissection | |
| Tymofiyeva et al. | Structural MRI connectome in development: challenges of the changing brain | |
| Sato et al. | Identification of psychopathic individuals using pattern classification of MRI images | |
| US20060104494A1 (en) | Systems and methods of classification utilizing intensity and spatial data | |
| Qiao et al. | Multivariate deep learning classification of Alzheimer’s disease based on hierarchical partner matching independent component analysis | |
| Suk et al. | Supervised discriminative group sparse representation for mild cognitive impairment diagnosis | |
| CN115484864A (en) | Clustering device of brain functional connectivity related values, clustering system of brain functional connectivity related values, clustering method of brain functional connectivity related values, classifier program of brain functional connectivity related values, brain activity marker classification system and brain functional connectivity Clustering Classifier Models for Correlation Values | |
| US20170238879A1 (en) | Method of Analyzing the Brain Activity of a Subject | |
| Rahim et al. | Transmodal learning of functional networks for Alzheimer's disease prediction | |
| Yang et al. | Identifying functional subdivisions in the human brain using meta-analytic activation modeling-based parcellation | |
| Senthilkumar et al. | RETRACTED: Primitive detection of Alzheimer’s disease using neuroimaging: A progression model for Alzheimer’s disease: Their applications, benefits, and drawbacks | |
| D’Souza et al. | A matrix autoencoder framework to align the functional and structural connectivity manifolds as guided by behavioral phenotypes | |
| Haubold et al. | Annual research review: progress in using brain morphometry as a clinical tool for diagnosing psychiatric disorders | |
| CN116133587A (en) | Device for clustering brain function connection correlation values, system for clustering brain function connection correlation values, method for clustering brain function connection correlation values, classifier program for brain function connection correlation values, and brain activity marker classification system | |
| Shastri et al. | Detection and classification of Alzheimer’s disease by employing CNN | |
| Krashenyi et al. | Fuzzy computer-aided diagnosis of Alzheimer's disease using MRI and PET statistical features | |
| Bindu et al. | Optimized attention-enhanced U-Net for autism detection and region localization in MRI | |
| Illán et al. | Bilateral symmetry aspects in computer-aided Alzheimer's disease diagnosis by single-photon emission-computed tomography imaging | |
| Emmanuel et al. | An advanced adaptive neuro-fuzzy inference system for classifying Alzheimer's disease stages from SMRI images | |
| CN108648183A (en) | A method of to SPECT brain three-dimensional image analysis | |
| ITRM20080380A1 (en) | SYSTEM AND METHOD FOR THE GENERATION OF A PROBALIST INDEX FOR THE AUTOMATIC DIFFERENTIATION OF FORMS OF DEMENTIA |