基于集成學習的多模態(tài)AD輔助診斷模型研究.pdf

1、太原理工大學碩士研究生學位論文I太原理工大學碩士研究生學位論文I基于集成學習的多模態(tài)AD輔助診斷模型研究摘要阿爾茨海默?。ˋD）是一種不可逆的神經(jīng)退行性疾病，臨床表現(xiàn)為記憶下降和其他認知功能損害。輕度認知障礙（MCI）是AD的前驅(qū)階段，但尚未達到癡呆狀態(tài)。目前對AD仍無有效的治療手段，許多研究基于單一模態(tài)的腦影像數(shù)據(jù)進行早期診斷研究，但效果不理想。腦影像技術(shù)日趨成熟，基于多模態(tài)腦影像數(shù)據(jù)能夠獲取與疾病相關(guān)的更加綜合的信息，對AD的早期診

2、斷具有重要的臨床價值。多模態(tài)腦影像特征通常維度較高，而使用單分類器對高維數(shù)據(jù)進行分類時通常時間復雜度高且分類效果差。因此，本研究從集成學習方法角度出發(fā)，使用多模態(tài)特征對早期MCI、晚期MCI、AD及正常老年組進行了分類研究，以期實現(xiàn)計算機輔助診斷。主要工作如下：（1）數(shù)據(jù)收集整理。收集四組被試的sMRI數(shù)據(jù)、PET數(shù)據(jù)和DTI數(shù)據(jù)，并對每種模態(tài)的原始數(shù)據(jù)進行預處理，降低圖像噪聲，為后續(xù)特征提取做準備。（2）特征提取。對預處理后的sMRI