论文部分内容阅读
近年来老年人口数量越来越多,老年疾病的发病率显著升高,其中最具有代表性的是阿尔茨海默病(Alzheimer’s Disease,AD),也就是我们常说的老年痴呆。有资料显示,阿尔茨海默病患者的平均生存期仅为5.5年,是继心血管疾病、脑血管疾病和癌症之后,危害老年人身体健康的“第四大杀手”。据国际阿尔茨海默病联合会保守估计,到2030年,全球阿尔茨海默病患者人数将增至7562万;到2050年,患者人数将达到13546万。可见,对阿尔茨海默病的提早诊断和预防刻不容缓。轻度认知障碍(Mild Cognitive Impairment,MCI)被普遍认为是正常人(Normal Control,NC)到阿尔茨海默病的过渡状态,根据在一定时间段内MCI是否转化为AD,相关研究将MCI进一步细分为cMCI(converted MCI)和sMCI(stable MCI)。统计表明,cMCI患者在一定时间内转化成AD患者的几率更大,所以在本文中对MCI患者的研究以cMCI患者为主。虽然cMCI患者在临床初期表现较为正常,但如果不提前治疗,最后还是会转化为AD患者。如果在人群中能准确地识别出AD、cMCI、NC人群,可以在一定程度上提早对AD疾病进行预防和干预。本文的主要研究内容包括:(1)SVM-RFE特征选择方法根据SVM在训练时生成的权向量(2(2来构造排序系数,并在每次迭代时去掉排序系数最小的特征从而实现特征选择。该方法只考虑到特征与类标之间的相关性,而未能考虑到特征之间的冗余性。为了使SVM-RFE特征选择方法考虑到特征之间的冗余性,本文在SVM-RFE特征选择方法生成权向量(2(2后,引入mRMR相关算法来重新构造排序系数,进而完成对SVM-RFE特征选择方法的改进,形成了一种新的特征选择方法。(2)为了验证改进SVM-RFE特征选择方法的有效性,本文使用SVM分类方法和KNN分类方法,在AD、cMCI、NC三类人群的MRI脑影像数据经过一系列处理后得到的皮层厚度数据上进行cMCI和NC人群、AD和NC人群的分类实验。实验结果表明,不论是用哪种分类方法进行评估,使用改进的SVM-RFE特征选择方法的分类准确率都要高于使用SVM-RFE特征选择方法、mRMR特征选择方法和F-score特征选择方法的准确率,同时,在准确率达到最高时使用的特征子集个数也是三种方法中最少的。