基于机器学习的早期轻度认知障碍解剖生物标志物识别
神经元与认知
2024-08-12 v2 机器学习
信号处理
摘要
阿尔茨海尔病（Alzheimer Disease）是一个重大的挑战， necessitates 早期检测以实现有效干预。磁共振成像（MRI）因其易用性和成本效益而是关键的神经影像工具。本研究分析了用于 MRI 基础生物标志物选择和分类的机器学习方法，以区分健康对照组和在五年内发展出轻度认知障碍者。我们使用 3 Tesla MRI 数据来自 ADNI 和 OASIS 3，应用了包括 MATLAB 分类学习器、嵌套交叉验证和贝叶斯优化在内的各种机器学习技术。通过多项式回归进行数据同源化后性能得到提高。一致的特征包括内侧颞回、海马体、侧脑室和侧轭前额叶区域。对于平衡的 ADNI 数据，基于 z 分数同源化的朴素贝叶斯方法表现最佳。对于平衡的 OASIS 3，基于 z 分数校正的支持向量机（SVM）表现最佳。在不平衡数据上，RUSBoost 在 ADNI 和 OASIS 3 上表现突出。Z 分数同源化凸显了使用 MRI 进行早期 AD 检测的半自动管道的潜力。
引用
@article{arxiv.2407.00040,
title = {A Machine Learning Approach for Identifying Anatomical Biomarkers of Early Mild Cognitive Impairment},
author = {Alwani Liyana Ahmad and Jose Sanchez-Bornot and Roberto C. Sotero and Damien Coyle and Zamzuri Idris and Ibrahima Faye},
journal= {arXiv preprint arXiv:2407.00040},
year = {2024}
}
备注
34 pages, 6 figures, 7 tables