基于极限学习机的轻度认知障碍辅助诊断

作     者：王之琼 蒋文静 刘秉佳 陈思冲 WANG Zhiqiong;JIANG Wenjing;LIU Bingjia;CHEN Sichong

作者机构：东北大学医学与生物信息工程学院辽宁沈阳110169 

出 版 物：《哈尔滨工程大学学报》 (Journal of Harbin Engineering University)

年 卷 期：2021年第42卷第6期

页      面：908-914页

核心收录：

学科分类：08[工学] 081203[工学-计算机应用技术] 0817[工学-化学工程与技术] 0807[工学-动力工程及工程热物理] 0827[工学-核科学与技术] 0802[工学-机械工程] 0703[理学-化学] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 0801[工学-力学（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(62072089) 中国博士后科学基金项目(2019T120216,2018M641705) 中央高校基本科研业务费(N2019007,N180101028,N180408019,N2024005-2) 国家级大学生创新创业训练计划(201910145101). 

主　　题：轻度认知障碍 阿尔兹海默病 极限学习机 支持向量机 BP神经网络 复杂网络理论 功能磁共振成像 计算机辅助诊断 

摘      要：为解决现有的轻度认知障碍计算机辅助诊断方法准确率较低、耗时较长的问题,对功能磁共振图像进行预处理,基于复杂网络理论构建脑网络,从中提取特征并采用LASSO方法特征选择,采用极限学习机实现轻度认知障碍的辅助诊断。此外,为了得到更合适的极限学习机分类模型,讨论了隐含层节点数与激活函数的选择对分类准确率的影响。结果显示:极限学习机分类器的分类准确率为93.3%,相比支持向量机和BP神经网络提高了13.3%和20.0%,而耗时相比支持向量机和BP神经网络分别减少了60.7%和99.5%,该方法较为明显地提高了轻度认知障碍辅助诊断的准确率和速度,对于轻度认知障碍辅助诊断的临床应用具有重要意义。