大脑是人类全身最特殊的器官,其复杂的运行机制离不开神经系统和基因等物质共同作用。影像遗传学是一门将神经影像学和遗传学相结合的新兴交叉学科,使得研究人员可以从宏观和微观两种角度探究大脑的工作原理。而机器学习模型已被广泛应用于大脑中的各种复杂问题的求解。因此,本文基于影像遗传学数据,利用遗传进化的集群算法对早期轻度认知障碍症患者和晚期轻度认知障碍症患者进行深入研究。具体研究内容如下:(1)提出遗传进化的集群算法——一种新的特征提取和分类方法。引入遗传进化和集成学习的思想,随机选择样本和样本特征构建集群,并在遗传进化过程中逐渐地剔除无关特征和冗余特征,通过在全局范围内自动寻优来优化算法,进而提高了模型的性能,达到较好的泛化能力。(2)基于遗传进化的随机森林对早期轻度认知障碍进行研究。首先,对37个早期轻度认知障碍患者和36个正常人的静息态功能磁共振成像数据和基因数据进行融合,构建融合特征。其次,构建遗传进化的随机森林模型,对患者和正常人进行分类并提取出能够区分患者和正常人的最优特征。最后,对最优特征进一步地统计分析,找到致病脑区和异常基因。研究结果表明,与其他方法相比,该模型具有较好的分类性能和特征提取能力,并发现了一些与疾病相关的致病脑区和异常基因。该模型有利于发现早期轻度认知障碍患者的多因子发病机理,为早期轻度认知障碍的临床诊断和治疗提供了一个新技术。(3)基于遗传进化的随机神经网络集群对晚期轻度认知障碍进行研究。首先,针对26名晚期轻度认知障碍患者和36名正常人的影像遗传学数据进行特征融合。其次,构建遗传进化的随机神经网络集群,对样本进行分类和最优特征提取。最后,找出晚期轻度认知障碍的致病脑区和异常基因。与其他方法相比,基于该模型的分类和特征提取框架取得了更好的结果。研究结果说明该模型有利于发现晚期轻度认知障碍患者的多因子发病机理,为该疾病的临床诊断和治疗提供强力支持,并促进了机器学习算法在精准医疗中的应用。