KPCA和Adaboost算法在阿尔茨海默症功能磁共振影像分类中的应用 |
| |
作者姓名: | 李长胜 王瑜 肖洪兵 邢素霞 |
| |
作者单位: | 北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室,北京100048 |
| |
基金项目: | 国家自然科学基金(61671028);北京市自然科学基金面上项目(4162018);国家重大科技研发子课题(ZLJC6 03-5-1);北京工商大学校级两科培育基金(19008001270) |
| |
摘 要: | 本研究的目的在于使用机器学习方法,对脑部功能磁共振成像数据进行分析与特征提取,完成对阿尔茨海默症(AD)的辅助诊断与分析。首先对数据进行预处理与去除协变量,并从大脑全局特征出发,根据现有的自动解剖标记模板,把每个被试的大脑分为116个脑区,通过提取每个脑区的时间序列,构建全脑功能连接矩阵,然后使用核主成分分析法进行特征提取,最后用Adaboost算法进行分类。在对34名AD患者、35名轻度认知障碍患者和35名正常对照组的功能磁共振成像数据进行的实验结果表明,利用静息态功能磁共振成像,同时结合机器学习的方法,能够有效地实现AD的正确分类,准确率可以达到96%,该结果可以为AD患者的临床辅助诊断提供有效的判断依据。
|
关 键 词: | 功能磁共振成像 阿尔茨海默症 轻度认知障碍 功能连接矩阵 核主成分分析 |
本文献已被 CNKI 维普 等数据库收录! |
| 点击此处可从《中国医学物理学杂志》浏览原始摘要信息 |
|
点击此处可从《中国医学物理学杂志》下载全文 |