TY - JOUR A2 - rostroo - gonzalez, Horacio AU - Khatri, Uttam AU - Kwon, gooo - rak PY - 2020 DA - 2020/06/04 TI - sMRI, CSF，认知评分和APOEε阿尔茨海默病(Alzheimer’s disease, AD)是痴呆最常见的病因，是一种进展性神经退行性疾病，其特征是认知功能下降。症状通常逐渐出现，并随着时间恶化，严重到足以干扰个人的日常任务。因此，AD的准确诊断和前驱期(即AD)的准确诊断是非常必要的。轻度认知障碍(MCI)是及时治疗的关键。由于广告本身是动态的，广告指标之间的关系是不清楚的，而且会随着时间而变化。为了解决这个问题，我们首先着眼于调查AD和MCI患者与健康对照(HCs)之间萎缩模式的差异。然后我们使用多个生物标记，以及基于过滤器和包装的特征选择和基于极端学习机(ELM)的方法，对分类进行10次交叉验证。越来越多的努力集中在对AD和MCI的诊断有用的多种生物标志物的使用上。然而，最佳组合尚未确定，大多数多模态分析仅使用从磁共振成像(MRI)获得的体积测量。到目前为止，解剖结构MRI (sMRI)也大多单独使用。因此，利用解剖MRI检测AD的全部可能性还有待探索。 In this study, three measures (cortical thickness, surface area, and gray matter volume), obtained from sMRI through preprocessing for brain atrophy measurements; cerebrospinal fluid (CSF), for quantification of specific proteins; cognitive score, as a measure of cognitive performance; and APOEε利用4个等位基因状态。我们的结果显示，结合特定的生物标志物的效果很好，使用本文提出的算法，对AD和HC的分类准确率分别为97.31%、91.72%、87.91%和83.38%。同时，结合多个生物标志物的ROC曲线下面积(AUC)具有更好的分类效果。本文提出的特征组合与选择算法有效地对AD和MCI进行了分类，MCIs与MCIc是目前最具挑战性的分类任务，可以提高临床中AD分类的准确性。此外，我们利用阿兹海默病神经影像计划(ADNI)数据集的交叉验证方法，比较了所提方法与支持向量机分类器的性能。SN - 1687-5265 UR - https://doi.org/10.1155/2020/8015156 DO - 10.1155/2020/8015156 JF -计算智能和神经科学PB - Hindawi KW - ER -