-
题名基于mRMR和CCA的AD分类方法研究
- 1
-
-
作者
张国栋
董爱美
齐志云
刘思迪
-
机构
齐鲁工业大学(山东省科学院)计算机科学与技术学部
-
出处
《齐鲁工业大学学报》
CAS
2023年第6期24-33,共10页
-
基金
山东省自然科学基金(ZR2022MF237,ZR2020MF041)。
-
文摘
目前,多模态神经影像数据被广泛应用于阿尔茨海默症(AD)分类研究,然而,这些研究方法存在着一定缺陷。首先,原始特征维度较高且包含大量冗余信息,需要大量的计算资源进行处理和分析。其次,同一患者的完整多模态数据不易获得,导致样本数量较少,不利于训练出可靠的分类模型。为此,提出了一种基于最大相关-最小冗余和典型相关性分析的AD分类方法(mRMR-CCA)。首先使用最大相关-最小冗余(mRMR)算法从各模态数据选择出与分类标签最相关的判别性特征,然后使用典型相关性分析(CCA)算法来挖掘多模态数据间的内在联系,最后进行分类。使用阿尔茨海默氏病神经影像学倡议数据库中的数据进行了实验,实验结果证明了此方法在AD分类中的有效性。
-
关键词
阿尔茨海默症
多模态数据
模态融合
特征选择
-
Keywords
Alzheimer s disease
multi-modality data
modality fusion
feature selection
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
