Onderzoek naar de classificatieaccuratesse van Alzheimer is belangrijk om de ziekte in de toekomst beter te kunnen behandelen. In deze scriptie werden twee structurele MRI-maten geëvalueerd: grijze...Show moreOnderzoek naar de classificatieaccuratesse van Alzheimer is belangrijk om de ziekte in de toekomst beter te kunnen behandelen. In deze scriptie werden twee structurele MRI-maten geëvalueerd: grijze stofdichtheid (48 predictoren) en subcorticale volumes (14 predictoren). Deze scriptie onderzocht wat de toegevoegde waarde van subcorticale volumes bovenop grijze stofdichtheid is. Hierbij werd verwacht dat I) grijze stofdichtheid accurater was voor de classificatie van Alzheimer dan subcorticale volumes, maar dat II) subcorticale volumes nog wel iets zouden toevoegen aan grijze stofdichtheid. Om dit te onderzoeken, is data gebruikt van 249 participanten afkomstig uit twee verschillende studies. 76 participanten hadden de diagnose Alzheimer en de overige 173 participanten waren cognitief gezonde ouderen. Er zijn drie modellen gebruikt: een model van grijze stofdichtheid (48 predictoren), een model van subcorticale volumes (14 predictoren) en een combinatiemodel van grijze stofdichtheid en subcorticale volumes (62 predictoren). Voor alle modellen is een logistische regressieanalyse met geneste kruisvalidatie uitgevoerd. Het model van grijze stofdichtheid had een AUC-waarde van 0.897 en een MGA-waarde van 0.822. Het model van subcorticale volumes had een AUC-waarde van 0.807 en een MGA-waarde van 0.769. Het gecombineerde model had een AUCwaarde van 0.897 en een MGA-waarde van 0.841. De eerste hypothese werd bevestigd, aangezien grijze stofdichtheid belangrijker was voor de classificatieaccuratesse dan subcorticale volumes. De tweede hypothese kon niet worden bevestigd, aangezien subcorticale volumes weinig tot niets lijken toe te voegen aan grijze stofdichtheid voor de classificatieaccuratesse van Alzheimer. Deze kennis kan gebruikt worden om toekomstige classificatiemodellen van Alzheimer te verbeteren.Show less
