文献类型：期刊文章

作　　者：李彩[1] 范炤[2]

LI Cai;FAN Zhao(School of Basic Medicine,Shanxi Medical University,Taiyuan 030001,China;Translational Medicine Research Center of Shanxi Medical University,Taiyuan 030001,China)

机构地区：[1]山西医科大学基础医学院,山西太原030001 [2]山西医科大学转化医学研究中心,山西太原030001

出　　处：《中国医学物理学杂志》

基　　金：留学回国人员科技活动项目(619017);山西省回国留学人员科研资助项目(2016-061)。

年　　份：2020

卷　　号：37

期　　号：3

起止页码：379-384

语　　种：中文

收录情况：CSCD、CSCD_E2019_2020、JST、ZGKJHX、普通刊

摘　　要：目的:应用机器学习方法,将脑结构磁共振(sMRI)、年龄、性别、受教育年限和MMSE量表评分作为特征,对阿尔兹海默症进行分类预测。方法:特征选择后,用L1正则Logistic回归、L1正则支持向量机、梯度提升树分别对脑sMRI数据进行分类预测,选出最优模型后引入年龄、性别、受教育年限和MMSE量表评分特征优化模型,用10-折交叉验证评价模型性能。结果:L1正则Logistic回归分类效果最好,加入年龄、性别、受教育年限和MMSE评分后预测准确率提高0.89%~11.42%。结论:L1正则化Logistic回归模型的sMRI+年龄+性别+受教育年限+MMSE评分特征集对阿尔兹海默症有更好的分类效果,可作为辅助诊断阿尔兹海默症的依据。

关 键 词：阿尔兹海默症 机器学习  L1正则Logistic回归  分类预测  

分 类 号：R318[生物医学工程类] R741[基础医学类]