基于功能磁共振成像的个体脑网络在阿尔兹海默症早期诊断中的应用

作者：范炤^*; 姚丽丽

来源：生物医学工程研究, 2021, 40(02): 126-143.

DOI：10.19529/j.cnki.1672-6278.2021.02.04

• 功能磁共振成像
• 阿尔兹海默症
• 脑网络
• 机器学习
• 核主成分分析

本研究利用功能磁共振成像(functional magnetic resonance imaging,fMRI)构建个体脑网络以期能够对阿尔兹海默症(Alzheimer′s disease, AD)不同病程阶段进行分类,为临床诊断早期AD提供一种辅助手段。首先构建有向脑网络,将体素葡萄糖代谢平均率和脑网络连接,增加节点的度作为被研究对象对应图像的特征。然后采用Wrapper式特征选择法分别验证三种特征在核主成分分析(kernel principal component analysis, KPCA)和Adaboost两种机器学习算法下诊断AD的性能,将特征融合后以同样的方法进行验证。最后,对比分析了两种预测模型在AD不同病程中的分类性能,用十折交叉验证评估预测性能。结果显示,就单特征识别能力而言,平均葡萄糖代谢率对于AD的分类性能贡献最大,在两种算法下分别达到了93.21%和92.89%的准确率,多特征融合的分类性能最佳,准确率达94%以上,AUC值为0.97。两种算法模型对AD不同分类组的预测能力都不错,虽略有差异,但相比而言,KPCA算法表现更好。本研究可为计算机辅助AD早期诊断、及时干预提供参考依据。

• 单位
  山西医科大学; 基础医学院