基于机器学习的阿尔兹海默症初期行为辨识方法

本研究基于机器学习的阿尔兹海默症初期行为辨识方法,及时发现患者大脑的早期病变,把握最佳治疗机会.从ADNI公共数据库获取阿尔兹海默症、轻度认知障碍以及正常对照组的结构性磁共振成像(sMRI)图像,将其通过Freesurfer软件执行图像平滑、分割、时间层校正等操作,转换为sMRI数据,使用内核局部Fisher判别分析算法提取sMRI数据特征,利用基于核支持向量机的数据分类算法,分类所提取sMRI数据特征,经十折交叉验证评估后,实现阿尔兹海默症初期行为的准确辨识.实验结果表明,该方法的灵敏度、特异性、准确率以及曲线下面积四个指标均保持最高,具有较优异的阿尔兹海默症初期行为辨识效果.该方法不仅能有效辨识患者与健康人,还能正确区分阿尔兹海默症和轻度认知障碍患者,辨识效果显著.