基于独立成分分析和支持向量机的AD脑结构特征提取和分类研究

论文摘要

目的:采用数据驱动的自适应方法进行脑区划分,寻找反映AD-轻度认知障碍（MCI）-正常（NC）人群脑结构差异的特征性脑区,比较新的脑区划分方法与既有脑区划分模板在机器学习中识别三类人群的效能。方法:收集ADNI数据库中AD（151人）、MCI（124人）、NC（171人）三类人群的磁共振脑结构像,经过基于体素的形态学方法（VBM）处理后使用基于来源的形态学方法（SBM）分析输出脑区划分结果,与两份既有脑区划分模板（AAL-90与AAL-1024）一起,将脑区成分作为分类特征,年龄、性别、教育年限作为控制变量引入支持向量机,对三类人群进行两两对比,采用留一法依次将单个被试作为测试集,其余该对比中的被试作为训练集,记录并比较分类结果。结果:基于SBM的成分进行的特征提取的敏感性、特异性和总准确率方面均优于另外两种方法。在统计意义上,基于SBM方法的分类ROC曲线的AUC值均显著高于其它两种方法,体现了更好的分类效果。结论:本研究采用数据驱动的自适应脑区特征识别与划分方法,得到了新的脑区划分结果,在SVM分类器应用中观察到了对比既有脑区划分模板更高的准确性与敏感性结果。这些发现有助于AD及MCI人群与健康人群的鉴别,从而为AD早期诊断与干预提供帮助。

论文目录

• 1 方法
•   1.1 被试数据收集
•   1.2 基于体素的形态学分析（VBM）
•   1.3 基于源分析的形态学测量（SBM）
•   1.4 基于已有模板的脑体积特征提取
• 2 结果
•   2.1 基于ICA的脑区划分结果
•   2.2 支持向量机分类结果
•   2.3 ROC曲线（receiver operating characteristic curve）
•   2.4 分类权重
• 3 讨论

文章来源

类型: 期刊论文

作者: 陈丰,王正阁,吴思楚,张雯,陈文倩,闫娴,孙艺,李茗,张鑫,张冰,青钊

关键词: 独立成分分析,支持向量机

来源: 阿尔茨海默病及相关病 2019年04期

年度: 2019

分类: 医药卫生科技,基础科学,信息科技

专业: 数学,精神病学,自动化技术

单位: 南京大学医学院附属鼓楼医院医学影像科

基金: 国家自然科学基金（81701672,81720108022,91649116,81571040）,中央高校基本科研业务基金（021414380274）,江苏省社会发展科技计划（BE2016605,BE201707）,南京市医学科技发展资金资助项目（Ykk16112）

分类号: O212.4;R749.16;TP181

页码: 504-509

总页数: 6

文件大小: 1990K

下载量: 82