首页 > 文献资料
-
基于支持向量机的遗忘型轻度认知障碍个体识别研究
目的:近年来多元模式分析( multivariate pattern analysis , MVPA)方法的出现被认为是可以对各种神经精神疾病进行自动化识别的很有前途的工具,支持向量机( support vector machine , SVM)则是一种广泛使用的MVPA方法。文中采用SVM分类器对遗忘型轻度认知障碍( amnestic mild cognitive impairment , aMCI)患者和无记忆障碍及其他相关疾病者进行MVPA研究,旨在构建具有较高判别能力的个体诊断模型,并从多变量分析的角度来解析aMCI患者的灰质损伤模式。方法采用3.0T磁共振对51例aMCI患者和68例正常对照者进行高分辨率三维T1-weighted扫描,为每个受试者计算灰质体积图谱,该图谱用于之后的判别分析。使用特征选择方法去除冗余信息后训练SVM分类器,使用留一交叉验证估计分类器的性能,后识别出有判别能力的灰质模式。结果该方法的分类准确率为83.19%,敏感性为76.47%,特异性为88.24%,接收者操作特性曲线下的面积是0.8368。对分类贡献大的灰质区域包括双侧海马旁回、双侧海马、双侧杏仁核、双侧丘脑、右侧扣带回、右侧楔前叶、左侧尾状核、左侧颞上回、左侧颞中回、左侧岛叶以及左侧眶额皮层。结论构建的分类模型对aMCI患者具有较好的识别能力,可显示aMCI患者全脑灰质萎缩情况,对临床早期诊断aMCI患者有重要意义。