基于随机森林算法的阿尔茨海默症医学影像分类

发布时间：2022-09-30 13:18

　　为实现阿尔茨海默症（AD）的医学影像分类,辅助医生对患者的病情进行准确判断,本研究对采集的34名AD患者、35名轻度认知障碍患者和35名正常对照组成员的功能磁共振影像进行特征提取和分类,具体思路包括:首先利用皮尔逊相关系数计算脑区之间的功能连接,然后采用随机森林算法对被试不同脑区之间的功能连接进行重要性度量及特征选择,最后使用支持向量机分类器进行分类,利用十倍交叉验证估算分类准确率。实验结果显示,随机森林算法可以对功能连接特征进行有效分析,同时得到AD发病过程的异常脑区,基于随机森林和SVM建立的分类模型对AD、轻度认知障碍的识别具有较好的效果,分类准确率可达90.68%,相关结论可以为AD的早期临床诊断提供客观参照。 

【文章页数】：5 页

【文章目录】：
前言
1 数据采集及预处理
    1.1 数据采集
    1.2 数据预处理
2 基于随机森林算法的特征选择
    2.1 fMRI数据特征提取
    2.2 fMRI数据特征选择
    2.3 模型评价标准
3 实验结果与分析
4 总结


【参考文献】：
期刊论文
[1]静息态功能磁共振成像的脑功能分区综述[J]. 胡颖,王丽嘉,聂生东.  中国图象图形学报. 2017(10)
[2]基于自适应区域增长的fMRI脑功能激活区检测[J]. 李敏,曾卫明.  计算机应用与软件. 2017(03)
[3]基于弥散张量成像构建阿尔茨海默病患者脑网络的研究进展[J]. 李均,杨澄,王远军,聂生东.  中国医学物理学杂志. 2017(02)
[4]基于Adaboost的轻度认知障碍和阿尔茨海默病分类[J]. 李慧卓,相洁,秦嘉玮,梁佩鹏,李坤成.  中国医学影像技术. 2016(04)
[5]阿尔茨海默病患者大脑功能网络的改变[J]. 李亚鹏,覃媛媛,李炜.  中国医学物理学杂志. 2013(06)



本文编号：3683624