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

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。