换一批
换一批KPCA和Adaboost算法在阿尔茨海默症功能磁共振影像分类中的应用
Application of KPCA and Adaboost algorithm in the classification of functional magnetic resonance images of Alzheimer's disease
摘要本研究的目的在于使用机器学习方法,对脑部功能磁共振成像数据进行分析与特征提取,完成对阿尔茨海默症(AD)的辅助诊断与分析.首先对数据进行预处理与去除协变量,并从大脑全局特征出发,根据现有的自动解剖标记模板,把每个被试的大脑分为116个脑区,通过提取每个脑区的时间序列,构建全脑功能连接矩阵,然后使用核主成分分析法进行特征提取,最后用Adaboost算法进行分类.在对34名AD患者、35名轻度认知障碍患者和35名正常对照组的功能磁共振成像数据进行的实验结果表明,利用静息态功能磁共振成像,同时结合机器学习的方法,能够有效地实现AD的正确分类,准确率可以达到96％,该结果可以为AD患者的临床辅助诊断提供有效的判断依据.
更多相关知识
主题词
海洋(Oceans and Seas)磁共振成像(Magnetic Resonance Imaging)算法(Algorithms)主成分分析(Principal Component Analysis)磁共振波谱学(Magnetic Resonance Spectroscopy)
栏目名称
DOI
10.3969/j.issn.1005-202X.2019.07.008
发布时间
2019-08-01
基金项目
- 浏览121
- 被引7
- 下载18
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
