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

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.