资源类型：
收录情况：
◇ 统计源期刊
◇ 北大核心
◇ CSCD-C
文章类型：
机构：
[1]太原理工大学计算机科学与技术学院，山西太原030024
太原理工大学
[2]首都医科大学宣武医院放射科,北京100053
放射科
首都医科大学宣武医院
[3]磁共振成像脑信息学北京市重点实验室, 北京100053
磁共振成像脑信息学北京市重点实验室
首都医科大学宣武医院
出处：
ISSN：
关键词：
集成分类
阿尔茨海默病
轻度认知障碍
磁共振成像
摘要：
目的 采用Adaboost集成分类方法区分轻度认知障碍(MCI)、阿尔茨海默病(AD)患者与正常对照(NC)的功能与结构磁共振成像数据.方法 对26例MCI患者(MCI组)、26例AD患者(AD组)及30名健康老年人(NC组)的MRI图像进行分析,选择双侧海马体积及3组间存在显著差异脑区的低频振幅值(ALFF)作为分类特征,采用Adaboost集成分类器对3组被试进行两两分类,利用留一交叉验证估算分类准确率.结果 增加性别、年龄和MMSE特征后,Ad-aboost集成分类方法对AD与MCI、MCI与NC、AD与NC分类准确率分别达98.08％、80.36％和100％.结论 Adaboost集成分类方法可较好地区分MCI、AD与NC.
基金：
国家自然科学基金(61373101,61473196)； 北京市科技新星项目(Z12111000250000,Z131107000413120)； 北京市卫生系统高层次卫生技术人才学科骨干项目及认知神经科学与学习国家重点实验室开放课题(CNLZD1302)； 山西省科技攻关项目(20140321001-01)；
第一作者：
第一作者机构：
[1]太原理工大学计算机科学与技术学院，山西太原030024
通讯作者：
通讯机构：
[2]首都医科大学宣武医院放射科,北京100053
[3]磁共振成像脑信息学北京市重点实验室, 北京100053
推荐引用方式(GB/T 7714)：
李慧卓,相洁,秦嘉玮,等.基于Adaboost的轻度认知障碍和阿尔茨海默病分类[J].中国医学影像技术.2016,32(4):623-627.
