检索结果-内蒙古大学图书馆

现代预防医学 2024年第10期51卷 1889-1894+1920页

作者：崔靖杨慧秦瑶陈杜荣余红梅山西医科大学第三医院(山西白求恩医院山西医学科学院同济山西医院) 山西医科大学公共卫生学院卫生统计学教研室重大疾病风险评估山西省重点实验室煤炭环境致病与防治教育部重点实验室

目的利用多模态数据的互补特性整合信息，实现对阿尔茨海默病的分类，为临床诊断提供参考。方法筛选阿尔茨海默病神经影像学计划数据库中同时具有临床信息、结构磁共振成像(sMRI)和功能磁共振成像(fMRI)的受试者共872例，将其分为训练... 详细信息

目的利用多模态数据的互补特性整合信息，实现对阿尔茨海默病的分类，为临床诊断提供参考。方法筛选阿尔茨海默病神经影像学计划数据库中同时具有临床信息、结构磁共振成像(sMRI)和功能磁共振成像(fMRI)的受试者共872例，将其分为训练集(612例)和测试集(260例)。基于三种单模态以及四种多模态组合在训练集中构建稀疏偏最小二乘-判别分析(sparse Partial Least Squares-Discriminant Analysis, sPLS-DA)分类模型实现多分类。利用宏观平均精确率(Macro-average of Precision, Macro-P)、宏观平均召回率(Macro-average of Recall, Macro-R)、宏观平均F1值(Macro-average of F1-score, Macro-F1)、及准确率(Accuracy)评价模型性能，在测试集中探讨最优模态组合的适用性。结果单模态中临床信息的分类性能优于sMRI和fMRI模态(Macro-P=0.781 8,Macro-R=0.804 6,Macro-F1=0.791 2,Accuracy=0.796 7),选择的最佳潜在成分个数为1,临床信息特征数量为9。四种多模态组合中临床信息+fMRI模态组合的分类能力最强(Macro-P=0.806 2,Macro-R=0.800 6,Macro-F1=0.797 6,Accuracy=0.813 2),选择的最佳潜在成分个数为1,特征数量为5;而sMRI+fMRI的分类能力最差(Macro-P=0.401 7,Macro-R=0.398 3,Macro-F1=0.349 9,Accuracy=0.565 9)。将在训练集中得到的最佳模态组合应用于测试集，得到的模型性能指标Macro-P为0.791 8,Macro-R为0.734 5,Macro-F1为0.758 4,Accuracy为0.766 4(0.646 0,0.846 5)。结论基于各多模态组合构建的sPLS-DA分类模型性能均高于单模态，其中临床信息+fMRI模态组合表现最佳，可辅助制定科学合理的临床诊断方案。

关键词：阿尔茨海默病多模态磁共振成像多分类稀疏偏最小二乘-判别分析

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：