摘要
为提高转化型和稳定型轻度认知障碍(mild cognitive impairment, MCI)的分类精度,利用阿尔茨海默病样本和正常对照组样本学习投影矩阵,使用监督图正则化项优化样本的局部近邻关系,基于投影矩阵对MCI样本进行空间变换,提取对转化型和稳定型MCI具有判别性的特征。将提取的特征与mini精神状态检查评分,以及与载脂蛋白E4等位基因信息融合,通过信息互补增强特征的判别性。使用融合特征训练支持向量机分类器对转化型和稳定型MCI分类。在ADNI数据库上进行试验,分类精度达到73.33%。与已有方法相比,本研究提出方法的分类精度、敏感度和特异度显著提高。
-
单位山东管理学院