研究目的
研究轻度认知障碍(MCI),并提出一种基于皮层区域的计算机辅助诊断(CAD)系统,通过分别可视化每个皮层区域的个性化诊断来实现阿尔茨海默?。ˋD)的早期诊断。
研究成果
该提出的CAD系统在诊断轻度认知障碍(MCI)方面表现出高性能,准确率高达86.30%,特异性为88.33%,敏感性为84.88%,优于其他分类器及相关研究。它提供详细的区域诊断,以辅助早期阿尔茨海默病检测和治疗计划制定,未来在其他数据集上还有进一步优化和评估的潜力。
研究不足
数据集规模较小可能会影响非线性支持向量机核函数的性能;受试者间疾病效应的差异性可能影响泛化能力;依赖特定图谱和工具箱可能会限制其在其他数据集上的适用性。
1:实验设计与方法选择:
本研究采用包含四个主要阶段的CAD系统:预处理与皮层提取、皮层重建与基于形状的特征提取、使用典型相关分析(CCA)进行特征融合,以及分别采用概率支持向量机(pSVM)进行局部/区域诊断和标准支持向量机(SVM)进行全局诊断。
2:样本选择与数据来源:
来自阿尔茨海默病神经影像学计划(ADNI)数据库的结构磁共振成像(sMRI)扫描数据,包含146名受试者(60名正常对照和86名轻度认知障碍患者)。
3:实验设备与材料清单:
使用配备SPM工具箱的MATLAB进行预处理,xjview工具箱用于皮层提取,以及行进立方体重建和特征提取算法。
4:实验流程与操作步骤:
预处理包括去颅骨、重定向和空间标准化;基于半球标记的皮层提??;使用行进立方体算法进行重建;特征提?。ㄇ?、锐度、弯曲度、体积);通过CCA进行特征融合;使用SVM分类器进行诊断。
5:数据分析方法:
采用k折交叉验证(k=4和k=10)评估性能,并与最先进的分类器及相关研究进行比较。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容