计算机应用

作者：贾洪飞, 刘茜, 王瑜, 肖洪兵, 邢素霞

单位：北京工商大学 人工智能学院，北京 100048

关键词：阿尔茨海默症,功能磁共振成像,3DPCANet,支持向量机,均值低频波动振幅

基金：国家自然科学基金资助项目(61671028);北京市自然科学基金-北京市教育委员会科技计划重点项目(KZ202110011015)

阿尔茨海默症（AD）是一种起病隐匿的进行性神经退行性疾病，会使患者的大脑脑区结构发生改变。为辅助医生对AD患者的病情做出正确判断，提出了一种改进的三维主成分分析网络（3DPCANet）模型，并结合被试者全脑均值低频波动振幅（mALFF）图像来对AD进行分类。首先，对功能磁共振成像（fMRI）数据进行预处理，计算出全脑mALFF图像；然后，利用改进的3DPCANet深度学习模型进行特征提取；最后，使用支持向量机（SVM）对不同阶段的AD患者的特征进行分类。实验结果显示，所提模型简单，鲁棒性好，且其在主观记忆衰退（SMD）与AD、SMD与晚期轻度认知障碍（LMCI）以及LMCI与AD上的分类准确率分别达到了92.42%、91.80%和89.33%，验证了提出方法的有效性和可行性。

来源：2022年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第1期