[1]李长胜,王瑜,肖洪兵,等.KPCA和Adaboost算法在阿尔茨海默症功能磁共振影像分类中的应用[J].中国医学物理学杂志,2019,36(7):784-788.[doi:DOI:10.3969/j.issn.1005-202X.2019.07.008]
　LI Changsheng,WANG Yu,XIAO Hongbing,et al.Application of KPCA and Adaboost algorithm in the classification of functional magneticresonance images of Alzheimer’s disease[J].Chinese Journal of Medical Physics,2019,36(7):784-788.[doi:DOI:10.3969/j.issn.1005-202X.2019.07.008]
点击复制

KPCA和Adaboost算法在阿尔茨海默症功能磁共振影像分类中的 应用()
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
36卷
期数:
2019年第7期
页码:
784-788
栏目:
医学影像物理
出版日期:
2019-07-25

文章信息/Info

Title:
Application of KPCA and Adaboost algorithm in the classification of functional magnetic resonance images of Alzheimer’s disease
文章编号:
1005-202X（2019）07-0784-05
作者:
李长胜; 王瑜; 肖洪兵; 邢素霞
北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室，北京100048
Author(s):
LI Changsheng; WANG Yu;  XIAO Hongbing;  XING Suxia
Key Laboratory of Big Data Technology for Food Safety, School of Computer and Information Engineering, Beijing Technology and Business University, Beijing 100048, China
关键词:
功能磁共振成像; 阿尔茨海默症; 轻度认知障碍; 功能连接矩阵; 核主成分分析
Keywords:
Keywords: functional magnetic resonance imaging;  Alzheimer’s disease;  mild cognitive impairment;  functional connection matrix;  kernel principal component analysis
分类号:
R445.2；R318
DOI:
DOI:10.3969/j.issn.1005-202X.2019.07.008
文献标志码:
A
摘要:
本研究的目的在于使用机器学习方法，对脑部功能磁共振成像数据进行分析与特征提取，完成对阿尔茨海默症 （AD）的辅助诊断与分析。首先对数据进行预处理与去除协变量，并从大脑全局特征出发，根据现有的自动解剖标记模 板，把每个被试的大脑分为116个脑区，通过提取每个脑区的时间序列，构建全脑功能连接矩阵，然后使用核主成分分析 法进行特征提取，最后用Adaboost算法进行分类。在对34名AD患者、35名轻度认知障碍患者和35名正常对照组的功能 磁共振成像数据进行的实验结果表明，利用静息态功能磁共振成像，同时结合机器学习的方法，能够有效地实现AD的正 确分类，准确率可以达到96%，该结果可以为AD患者的临床辅助诊断提供有效的判断依据。
Abstract:
Abstract: The purpose of this study is to achieve the auxiliary diagnosis and analysis of Alzheimer’s disease (AD) by analyzing and characterizing brain functional magnetic resonance imaging (fMRI) data using machine learning method. After the fMRI data is preprocessed and the covariate is removed, the brain of each subject is divided into 116 brain regions according to anatomical automatic labeling template, and the whole brain functional connection matrix is constructed by extracting the time series of each brain region. Kernel principal component analysis is used to extract features and Adaboost algorithm is used for classification. The results of the experiment on fMRI images of 34 patients with AD, 35 patients with mild cognitive impairments and 35 normal controls show that using resting state fMRI combined with machine learning method can effectively realize the accurate classification of AD, with a classification accuracy rate up to 96%. The proposed method can provide an effective basis for the auxiliary diagnosis of patients with AD.

相似文献/References:

[1]夏丽坤,江桂华,汪天悦,等.基于局部一致性方法的广泛性焦虑障碍患者静息态功能磁共振成像[J].中国医学物理学杂志,2016,33(1):30.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.007]
　[J].Chinese Journal of Medical Physics,2016,33(7):30.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.007]
[2]梁思,董涛,王慧,等.一种基于功能磁共振的味觉刺激装置的设计与验证[J].中国医学物理学杂志,2016,33(1):76.[doi:10.3969/j.issn.1005-202X.2016.01.017]
[3]陈东太郎,曾卫明.基于功能磁共振成像分析不同眼睛状态下低频振幅比[J].中国医学物理学杂志,2016,33(6):588.[doi:10.3969/j.issn.1005-202X.2016.06.011]
[4]刘迎军,董健卫,杨志景,等.Hurst指数在功能磁共振成像静息态数据中的应用[J].中国医学物理学杂志,2016,33(8):783.[doi:10.3969/j.issn.1005-202X.2016.08.006]
　[J].Chinese Journal of Medical Physics,2016,33(7):783.[doi:10.3969/j.issn.1005-202X.2016.08.006]
[5]刘迎军,杨志景,李淑龙.静息态功能磁共振成像数据中几个常用指标的相关性[J].中国医学物理学杂志,2017,34(1):26.[doi:10.3969/j.issn.1005-202X.2017.01.006]
　[J].Chinese Journal of Medical Physics,2017,34(7):26.[doi:10.3969/j.issn.1005-202X.2017.01.006]
[6]魏明翔,高维佳,焦青,等. 青少年双相障碍缓解相患者功能磁共振成像低频振幅研究[J].中国医学物理学杂志,2017,34(3):314.[doi:10.3969/j.issn.1005-202X.2017.03.019]
　[J].Chinese Journal of Medical Physics,2017,34(7):314.[doi:10.3969/j.issn.1005-202X.2017.03.019]
[7]付令,武杰.独立成分分析在视觉运动核磁共振数据处理中的应用[J].中国医学物理学杂志,2017,34(7):676.[doi:10.3969/j.issn.1005-202X.2017.07.005]
　[J].Chinese Journal of Medical Physics,2017,34(7):676.[doi:10.3969/j.issn.1005-202X.2017.07.005]
[8]陈浩然,高维佳,焦青,等.青少年双相障碍缓解相患者功能磁共振成像局域一致性研究[J].中国医学物理学杂志,2018,35(1):47.[doi:DOI:10.3969/j.issn.1005-202X.2018.01.010]
　CHEN Haoran,GAO Weijia,JIAO Qing,et al. Regional homogeneity in euthymic patients with pediatric bipolar disorder: a resting-state functional magnetic resonance imaging study[J].Chinese Journal of Medical Physics,2018,35(7):47.[doi:DOI:10.3969/j.issn.1005-202X.2018.01.010]
[9]周文,王瑜,肖红兵,等. 基于KPCA算法的阿尔茨海默症辅助诊断[J].中国医学物理学杂志,2018,35(4):404.[doi:DOI:10.3969/j.issn.1005-202X.2018.04.007]
　ZHOU Wen,WANG Yu,XIAO Hongbing,et al. Assisted diagnosis of Alzheimer’s disease based on KPCA algorithm[J].Chinese Journal of Medical Physics,2018,35(7):404.[doi:DOI:10.3969/j.issn.1005-202X.2018.04.007]
[10]王伟茜,刘新凤,曹卫芳,等.2型糖尿病磁共振成像静息态低频振幅变化及其与认知受损的相关性[J].中国医学物理学杂志,2018,35(5):543.[doi:DOI:10.3969/j.issn.1005-202X.2018.05.009]
　WANG Weiqian,LIU Xinfeng,CAO Weifang,et al.Altered fractional amplitude of low-frequency fluctuation of fMRI signals and its correlation with cognitive impairment in type 2 diabetes mellitus patients[J].Chinese Journal of Medical Physics,2018,35(7):543.[doi:DOI:10.3969/j.issn.1005-202X.2018.05.009]
[11]李长胜,王瑜,肖洪兵,等.基于随机森林算法的阿尔茨海默症医学影像分类[J].中国医学物理学杂志,2020,37(8):1005.[doi:DOI:10.3969/j.issn.1005-202X.2020.08.013]
　LI Changsheng,WANG Yu,XIAO Hongbing,et al.Medical image classification for Alzheimers disease diagnosis based on random forest algorithm[J].Chinese Journal of Medical Physics,2020,37(7):1005.[doi:DOI:10.3969/j.issn.1005-202X.2020.08.013]
[12]贾洪飞,王瑜,肖洪兵,等.基于功能磁共振图像转换在阿尔茨海默症分类中的应用[J].中国医学物理学杂志,2022,39(4):448.[doi:DOI:10.3969/j.issn.1005-202X.2022.04.010]
　JIA Hongfei,WANG Yu,XIAO Hongbing,et al.Functional magnetic resonance imaging transformation for classification of Alzheimers disease[J].Chinese Journal of Medical Physics,2022,39(7):448.[doi:DOI:10.3969/j.issn.1005-202X.2022.04.010]

备注/Memo

备注/Memo:
【收稿日期】2019-03-07 【基金项目】国家自然科学基金（61671028）；北京市自然科学基金面 上项目（4162018）；国家重大科技研发子课题（ZLJC6 03- 5-1）；北京工商大学校级两科培育基金（19008001270） 【作者简介】李长胜，硕士研究生，研究方向：计算机视觉、医学图像处 理、模式识别，E-mail: 516795305@qq.com 【通信作者】王瑜，博士，副教授，研究方向：计算机视觉、医学图像处 理、模式识别，E-mail: wangyu@btbu.edu.cn
更新日期/Last Update: 2019-07-24