多模态集成阿尔茨海默病和轻度认知障碍分类

• 作者: 熊江 程波 钟静
• 来源期刊: 集成技术
• 关键词: 阿尔茨海默病 轻微认知障碍 多模态集成学习 支持向量机
• 年，卷（期）: 2013,（6）
• 页码范围: 27-30
• 页数: 4页
• 字数: 2330字
• 语种: 中文

摘要

为了更有效而准确地诊断阿尔茨海默病(Alzheimer’s disease，AD)和轻度认知障碍(Mild Cognitive Impairment， MCI)，文章提出了一种基于多模态数据(MRI、PET和非成像数据CSF)的集成支持向量机来分类AD和MCI。该算法使用集成学习技术来综合利用不同模态数据之间相互作用产生的分类判别信息，并利用支持向量机进行分类。为了评价该算法的有效性，采用十折(10-fold)交叉验证策略来验证其性能，并在标准数据集ADNI上测试算法性能。实验结果表明，多模态集成支持向量机分类方法的性能优于多模态多核学习和单模态方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊江	重庆三峡学院计算机科学与工程学院	114	547	11.0	20.0
2	钟静	重庆三峡学院计算机科学与工程学院	26	97	6.0	9.0
3	程波	重庆三峡学院计算机科学与工程学院	19	119	5.0	10.0