基于 fMRI 的脑瞬时参数用于阿尔茨海默病、轻度认知障碍及健康受试者的自动分类
信号处理
2019-04-17 v1 计算工程、金融与科学
图像与视频处理
神经元与认知
定量方法
摘要
阿尔茨海默病患者的自动识别与分类，以及区分该疾病不同严重程度的能力，对本领域研究界极为有益，因为其他非自动方法非常耗时且高度依赖专家经验。在此，我们提出利用脑瞬时相位与包络信息，从功能磁共振成像（fMRI）数据中区分阿尔茨海默病患者、轻度认知障碍（MCI）受试者和健康正常人。为此，在对 fMRI 数据进行感兴趣区域（ROI）分析后，从 ROI 信号的瞬时相位与包络序列中提取涵盖功率、熵和相干性方面的不同特征。计算多组特征并输入序列浮动前向特征选择（SFFFS）以挑选最具判别性与信息量的特征集。使用 Student t 检验从所选特征集中挑选最相关特征。最后，采用 K-NN 分类器在三类分类问题中区分各类别。在 111 名合并受试者的 fMRI 数据上报告的总体准确率为 80.1%，对阿尔茨海默病与正常类别区分的灵敏度为 80.0%，可与近期提出的该方面最优（state-of-the-art）方法相媲美。所得结果的重要性通过标准分类性能指标评估得到了统计确认。所得结果表明，从 ROI 信号提取的所引入解析相位与包络特征指标在区分阿尔茨海默病患者与正常健康受试者方面具有显著判别力。
引用
@article{arxiv.1904.07441,
title = {fMRI Based Cerebral Instantaneous Parameters for Automatic Alzheimer's, Mild Cognitive Impairment and Healthy Subject Classification},
author = {Esmaeil Seraj and Mehran Yazdi and Nastaran Shahparian},
journal= {arXiv preprint arXiv:1904.07441},
year = {2019}
}