科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 基于静息态功能磁共振图像，提取默认网络特征脑区的信号复杂度参数建立轻度认知障碍(mild cognitive impairment, MCI)的分类模型。方法 研究数据来源于阿尔茨海默病神经成像数据库，包含48名健康人和53例MCI患者的数据。首先进行独立成份分析，针对分离出的独立成份分别计算对应时间序列的Hurst指数。然后在体素水平上采用双样本t检验选择左侧眶部额下回、左侧额上回和左侧额中回作为特征脑区，计算其Hurst指数作为分类特征。最后用支持向量机对MCI患者进行识别，并评价模型的准确率、灵敏度、特异度以及接收操作特征(receiver operating characteristics, ROC)曲线下面积。结果 基于MCI和正常对照两组构建的分类模型，获得了最高88.71%的分类准确率、90.91%的灵敏度和86.21%的特异度，此外，ROC曲线的最大线下面积为0.96。结论 Hurst指数可以反映MCI患者异常脑功能活动，基于独立成份分析和支持向量机的方法能有效地识别MCI患者，具有一定的临床辅助诊断意义。
- 单位
