论文部分内容阅读
阿尔茨海默症（AD）是世界上最常见的疾病之一。它是一种神经退行性疾病，会使得患者的认知功能出现障碍，记忆力衰退。至目前为止，对其尚未有有效地知了手段。也因此，AD的早期诊断是一个非常重要的研究领域，它吸引了许多研究人员参与到其中来寻找新的有效的诊断方法。 在本文中，我们主要通过随机森林算法，使用被试的MRI图像数据，对其是否可能患有AD病的进行诊断。随机森林算法能够从MRI的高维数据中学习到其低维特征和低维表达，我们使用随机森林算法对AD和正常对照组(NC)，AD和轻度认知障碍患者(MCI)进行了分类实验。 本文的主要贡献如下，我们将随机森林引入到了AD的相关研究中来，我们提出了一个新的随机森林算法，相较于其它算法，我们的算法表现出了更好的学习和分类能力，它能够有效的处理高维数据，且保持较高的分类准确率。 在实验中，我们的方法具有93％的分类准确性和81％的特异性。相对于其他算法，我们的方法表现出一定的优势。我希望本文能为在此领域内的进一步研究打下基础。