海马形状特征的多维分类区分阿尔茨海默病、轻度认知障碍与正常衰老
计算机视觉与模式识别
2017-07-20 v1 神经元与认知
机器学习
摘要
我们描述了一种基于海马形状特征的多维分类自动区分阿尔茨海默病(AD)或轻度认知障碍(MCI)患者与老年对照组的新方法。该方法使用球面调和(SPHARM)系数对从磁共振图像(MRI)中分割的海马进行形状建模，分割采用我们先前开发的完全自动方法。SPHARM系数用作基于支持向量机(SVM)分类过程中的特征。使用 bagging 策略选择分类中最相关的特征。我们在一个包含23名AD患者(10男,13女,年龄标准差(SD)=736岁,迷你精神量表评分(MMS)=24.42.8)、23名遗忘型MCI患者(10男,13女,年龄SD=748岁,MMS=27.31.4)和25名健康老年对照组(13男,12女,年龄SD=648岁)的群体中，使用留一法交叉验证评估方法的准确性。对于AD与对照组，我们得到94%的正确分类率、96%的灵敏度和92%的特异度。对于MCI与对照组，我们得到83%的分类率、83%的灵敏度和84%的特异度。该准确度优于海马体积测量，并且与最近发表的基于SVM的全脑分类方法（依赖不同策略）相当。这种新方法可能成为辅助诊断阿尔茨海默病的有用工具。
引用
@article{arxiv.1707.05961,
title = {Multidimensional classification of hippocampal shape features discriminates Alzheimer's disease and mild cognitive impairment from normal aging},
author = {Emilie Gerardin and Gaël Chételat and Marie Chupin and Rémi Cuingnet and Béatrice Desgranges and Ho-Sung Kim and Marc Niethammer and Bruno Dubois and Stéphane Lehéricy and Line Garnero and Francis Eustache and Olivier Colliot},
journal= {arXiv preprint arXiv:1707.05961},
year = {2017}
}
备注
Data used in the preparation of this article were obtained from the Alzheimer's Disease Neuroimaging Initiative (ADNI) database