用于阿尔茨海默病诊断的权值分布特征学习

• 作者: 丁毅 张道强 程波
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 权值分布 多模态 阿尔茨海默病 稀疏特征学习 大间隔分布学习
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 1002-1014
• 页数: 13页
• 分类号: TP18
• 字数: 10059字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005371

摘要

针对当前基于机器学习的早期阿尔茨海默病(AD)诊断中有标记训练样本不足的问题,提出一种基于多模态特征数据的权值分布稀疏特征学习方法,并将其应用于早期阿尔茨海默病的诊断.具体来说,该诊断方法主要包括两大模块:基于权值分布的Lasso特征选择模型(WDL)和大间隔分布分类机模型(LDM).首先,为了获取多模态特征之间的数据分布信息,对传统Lasso模型进行改进,引入权值分布正则化项,从而构建出基于权值分布的Lasso特征选择模型;然后,为了有效地利用多模态特征之间的数据分布信息,以保持多模态特征之间的互补性,直接采用大间隔分布学习算法训练分类器.选取国际阿尔茨海默症数据库(ADNI)中202个多模态特征的被试者样本进行实验,分类AD最高平均精度为97.5％,分类轻度认知功能障碍(MCI)最高平均精度为83.1％,分类轻度认知功能障碍转化为AD(pMCI)最高平均精度为84.8％.实验结果表明,所提WDL特征学习方法可从串联的多模态特征学到性能更优的特征子集,并能根据权值分布获取多模态特征之间的数据分布信息,从而提高早期阿尔茨海默病诊断的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张道强	南京航空航天大学计算机科学与技术学院	51	491	11.0	20.0
2	程波	重庆三峡学院智能信息处理与控制重点实验室	19	119	5.0	10.0
3	丁毅	南京航空航天大学计算机科学与技术学院	9	111	6.0	9.0