基于机器学习的阿尔兹海默症初期行为辨识方法
杨邦坤1
汪乐生1
聂颖2
熊文平1
1.武汉大学中南医院神经外科,武汉4300712.武汉市第一医院儿科,武汉430033
摘要：本研究基于机器学习的阿尔兹海默症初期行为辨识方法,及时发现患者大脑的早期病变,把握最佳治疗机会.从ADNI公共数据库获取阿尔兹海默症、轻度认知障碍以及正常对照组的结构性磁共振成像(sMRI)图像,将其通过Freesurfer软件执行图像平滑、分割、时间层校正等操作,转换为sMRI数据,使用内核局部Fisher判别分析算法提取sMRI数据特征,利用基于核支持向量机的数据分类算法,分类所提取sMRI数据特征,经十折交叉验证评估后,实现阿尔兹海默症初期行为的准确辨识.实验结果表明,该方法的灵敏度、特异性、准确率以及曲线下面积四个指标均保持最高,具有较优异的阿尔兹海默症初期行为辨识效果.该方法不仅能有效辨识患者与健康人,还能正确区分阿尔兹海默症和轻度认知障碍患者,辨识效果显著.
关键词：机器学习阿尔兹海默症初期行为辨识研究结构性磁共振成像图像核支持向量机
分类号：R318(医用一般科学)TP391(计算技术、计算机技术)
资助基金：湖北省自然科学基金(ZRMS2020001438)武汉大学中南医院科技创新培育基金资助项目(znpy2018108)
论文发表日期：2021-06-25
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：5( 121-125 )
英文信息