基于机器学习的阿尔兹海默症分类预测

作者：李彩; 范炤^*

来源：中国医学物理学杂志, 2020, 37(03): 379-384.

• 阿尔兹海默症
• 机器学习
• L1正则Logistic回归
• 分类预测

目的:应用机器学习方法,将脑结构磁共振(sMRI)、年龄、性别、受教育年限和MMSE量表评分作为特征,对阿尔兹海默症进行分类预测。方法:特征选择后,用L1正则Logistic回归、L1正则支持向量机、梯度提升树分别对脑sMRI数据进行分类预测,选出最优模型后引入年龄、性别、受教育年限和MMSE量表评分特征优化模型,用10-折交叉验证评价模型性能。结果:L1正则Logistic回归分类效果最好,加入年龄、性别、受教育年限和MMSE评分后预测准确率提高0.89%～11.42%。结论:L1正则化Logistic回归模型的sMRI+年龄+性别+受教育年限+MMSE评分特征集对阿尔兹海默症有更好的分类效果,可作为辅助诊断阿尔兹海默症的依据。

• 单位
  基础医学院; 山西医科大学