基于特征选择的阿尔茨海默症辅助诊断

阿尔茨海默症（AD）是一种在老年人中多发的脑部神经疾病，致病原因迄今未明，在疾病发展早期难以诊断。随着 计算机和人工智能技术的大力发展，利用磁共振成像（MRI）技术和机器学习方法辅助医生对AD进行辅助诊断不断取得 新的成果。本研究提出一种基于支持向量机递归特征消除（SVM-RFE）和线性判别分析（LDA）的AD辅助诊断方法。首 先对MRI图像进行预处理，获得90个大脑脑区的灰质体积；然后使用SVM-RFE和LDA相结合的方法，对90个大脑脑区 灰质体积进行特征选择；最后通过SVM进行分类。通过对来自于ADNI数据库中的34名AD、26名主观记忆衰退（SMC） 患者和50名正常被试（NC）的MRI图像分析，得到AD/NC、AD/SMC和NC/SMC的平均分类准确率分别为94.0%、100.0% 和93.6%。实验结果证明，本研究提出的方法可有效提取样本特征，辅助医生诊断AD