基于结构MRI图像的轻度认知障碍有效计算机辅助诊断全局特征提取模型
机器学习
2017-12-05 v1 机器学习
摘要
多种模态的生物标志物已被证明在评估阿尔茨海默病(AD)进展方面非常敏感,并且利用这些模态和机器学习算法,已有若干方法被提出以辅助AD的早期诊断。在近期研究的最先进方法中,基于高斯判别分析(GDA)的方法被证明在AD分类中更有效、更准确,尤其是在界定其前驱期即轻度认知障碍(MCI)方面。此外,在那些二分类研究中,大多使用局部特征提取方法,这使得它们很难应用于实际的计算机辅助诊断系统。因此,本研究提出一种新颖的全局特征提取模型,利用近期提出的基于GDA的对偶高维决策空间,与那些局部特征提取方法相比能显著提升早期诊断性能。在采用20%留出数据的真实测试中,对于区分最具挑战性的MCI组与认知正常对照(CN)组,取得了91.06%的F1分数、88.78%的准确率、91.80%的灵敏度和83.78%的特异度,这可视为迄今获得的最佳性能。
引用
@article{arxiv.1712.00556,
title = {A global feature extraction model for the effective computer aided diagnosis of mild cognitive impairment using structural MRI images},
author = {Chen Fang and Panuwat Janwattanapong and Chunfei Li and Malek Adjouadi},
journal= {arXiv preprint arXiv:1712.00556},
year = {2017}
}
备注
4 pages, NIPS ML4H 2017