用于阿尔茨海默病诊断的权值分布特征学习

作     者：程波 丁毅 张道强 CHENG Bo;DING Yi;ZHANG Dao-Qiang

作者机构：重庆三峡学院智能信息处理与控制重点实验室重庆404020 南京航空航天大学计算机科学与技术学院江苏南京210016 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2019年第30卷第4期

页      面：1002-1014页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 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）] 

基　　金：国家自然科学基金(61602072 61422204 61473149 61732006 61573023) 重庆市基础研究与前沿探索项目(cstc2016jcyjA0063 cstc2018jcyjAX0502 cstc2014jcyjA40035 cstc2014jcyjA1316 cstc2016jcyjA0521) 重庆市教委科学技术研究(KJ1501014 KJ1601003 KJ1710248 KJ1401010 KJ1601015) 重庆市高校市级重点实验室资助项目(3)~~ 

主　　题：权值分布 多模态 阿尔茨海默病 稀疏特征学习 大间隔分布学习 

摘      要：针对当前基于机器学习的早期阿尔茨海默病(AD)诊断中有标记训练样本不足的问题,提出一种基于多模态特征数据的权值分布稀疏特征学习方法,并将其应用于早期阿尔茨海默病的诊断.具体来说,该诊断方法主要包括两大模块:基于权值分布的Lasso特征选择模型(WDL)和大间隔分布分类机模型(LDM).首先,为了获取多模态特征之间的数据分布信息,对传统Lasso模型进行改进,引入权值分布正则化项,从而构建出基于权值分布的Lasso特征选择模型;然后,为了有效地利用多模态特征之间的数据分布信息,以保持多模态特征之间的互补性,直接采用大间隔分布学习算法训练分类器.选取国际阿尔茨海默症数据库(ADNI)中202个多模态特征的被试者样本进行实验,分类AD最高平均精度为97.5%,分类轻度认知功能障碍(MCI)最高平均精度为83.1%,分类轻度认知功能障碍转化为AD(p MCI)最高平均精度为84.8%.实验结果表明,所提WDL特征学习方法可从串联的多模态特征学到性能更优的特征子集,并能根据权值分布获取多模态特征之间的数据分布信息,从而提高早期阿尔茨海默病诊断的性能.