基于KPCA算法的阿尔茨海默症辅助诊断

• 作者: 周文 曹利红 王瑜 肖红兵
• 来源期刊: 中国医学物理学杂志
• 关键词: 阿尔茨海默症 结构磁共振成像 核主成分分析 特征提取 机器学习
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 医学影像物理
• 页码范围: 404-409
• 页数: 6页
• 分类号: R742|TP317.4
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2018.04.007

摘要

阿尔茨海默症(AD)是一种起病隐匿、进行性发展的神经系统退行性疾病,利用磁共振成像和计算机技术对AD患者的辅助诊断是目前不断探索的新课题.本研究先对磁共振图像进行预处理和相关性分析,然后利用核主成分分析法(KPCA)对脑灰质图像进行特征提取,结合Adaboost算法进行分类,并与主成分分析法(PCA)进行对比试验.通过对AD神经影像学计划数据库中的116名AD患者、116名轻度认知障碍患者,以及117名正常对照的脑部功能磁共振成像进行的研究表明,利用机器学习能够很有效地辅助诊断AD脑部疾病,KPCA算法对图像进行特征提取比PCA算法更加充分完备,分类结果更加精确,能够获得更好的AD辅助诊断结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王瑜	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	41	67	4.0	5.0
2	曹利红	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	9	22	4.0	4.0
3	周文	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	3	6	2.0	2.0
4	肖红兵	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	1	4	1.0	1.0