科研之友
微信
新浪微博
Facebook
分享链接
摘要
阿尔茨海默症(AD)是一种复杂的神经退行性疾病，伴有记忆和其他精神功能的进行性损害，是造成老年人死亡的主要原因，如何对AD进行准确的诊断至关重要。根据生物学验证，已知人脑中的多个脑区在解剖学上和功能上是相互联系的，但现有的研究方法往往忽略了潜在的特征间的关系。因此，关注大脑不同区域的特征相关性有利于提高脑认知疾病的检测性能。本研究提出一种以数据驱动的方式自动识别全脑结构磁共振成像(sMRI)中解剖学标志点，并基于解剖点提取块特征，采用全局关联将各个块的特征进行深度融合，通过计算块与块之间的相互作用，实现大脑各个脑区的相互关联。其次，根据块之间的关联度差异，进行阈值化处理，利用稀疏关联模块去除冗余信息，进一步提高特征的判别能力，最后，利用稀疏后的深层特征构建分类模型，对AD患者个体进行预测。使用包含198例AD患者和224例健康人的ADNI-1数据集进行训练，包含152例AD患者和196例健康人的ADNI-2数据集进行测试，结果表明，该方法的准确率和灵敏度分别达到0.936 8和0.921 1,所提出的方法更多地考虑了块与块之间的联系以及关联度差异，可望更有效地对AD进行诊断。
-
单位中南民族大学; 生物医学工程学院
