基于Adaboost的轻度认知障碍和阿尔茨海默病分类

发布时间：2017-08-05 15:26

  本文关键词：基于Adaboost的轻度认知障碍和阿尔茨海默病分类

  更多相关文章： 集成分类 阿尔茨海默病 轻度认知障碍 磁共振成像

【摘要】：目的采用Adaboost集成分类方法区分轻度认知障碍(MCI)、阿尔茨海默病(AD)患者与正常对照(NC)的功能与结构磁共振成像数据。方法对26例MCI患者(MCI组)、26例AD患者(AD组)及30名健康老年人(NC组)的MRI图像进行分析,选择双侧海马体积及3组间存在显著差异脑区的低频振幅值(ALFF)作为分类特征,采用Adaboost集成分类器对3组被试进行两两分类,利用留一交叉验证估算分类准确率。结果增加性别、年龄和MMSE特征后,Adaboost集成分类方法对AD与MCI、MCI与NC、AD与NC分类准确率分别达98.08%、80.36%和100%。结论 Adaboost集成分类方法可较好地区分MCI、AD与NC。
【作者单位】： 太原理工大学计算机科学与技术学院;首都医科大学宣武医院放射科;磁共振成像脑信息学北京市重点实验室;
【关键词】： 集成分类 阿尔茨海默病 轻度认知障碍 磁共振成像
【基金】：国家自然科学基金(61373101,61473196) 北京市科技新星项目(Z12111000250000,Z131107000413120) 北京市卫生系统高层次卫生技术人才学科骨干项目及认知神经科学与学习国家重点实验室开放课题(CNLZD1302) 山西省科技攻关项目(20140321001-01)
【分类号】：R749.1
【正文快照】： 北京100053;3.磁共振成像脑信息学北京市重点实验室,北京100053)阿尔茨海默病(Alzheimer disease,AD)是一种不可逆的神经退行性疾病,临床表现为记忆下降和其他认知功能损害,且会严重影响患者的日常生活。轻度认知障碍(mild cognitive impairment,MCI)是AD的前驱阶段,但尚未达，

本文编号：625597