TY - Jour Au - Khatri，Uttam Au - kwon，Goo-Rak Py - 2020 da - 2020/06/04 - SMRI，CSF，认知评分的高效组合，apoeε.4生物标志物用于使用极端学习机SP - 8015156 VL - 2020 AB - Alzheimer的疾病（AD）是痴呆症最常见的原因和进步神经变性病症，其特征在于认知功能下降。症状通常会逐渐出现并随着时间的推移恶化，严重足以干扰个别日常任务。因此，AD和前驱阶段的准确诊断（即，轻度认知障碍（MCI））对于及时治疗至关重要。随着广告本身是动态的，广告指标之间的关系尚不清楚，随着时间的推移而变化。为了解决这个问题，我们首先旨在调查具有广告和MCI和健康控制（HCS）的个体之间萎缩模式的差异。然后我们使用多个生物标志物，以及基于过滤器和包装器的特征选择和基于极端的学习机器（ELM-）的方法，具有10倍的分类交叉验证。越来越多的努力侧重于使用多种生物标志物，这对于诊断广告和MCI来说是有用的。然而，尚不识别最佳组合，并且大多数多模式分析仅使用从磁共振成像（MRI）获得的体积措施。到目前为止，解剖结构MRI（SMRI）措施也主要是单独使用。因此，尚未探索使用解剖学MRI进行AD检测的全部可能性。 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.4等位基因状态利用。我们的研究结果表明，特定生物标志物的组合表现良好，分类为3.3.72％的COMI，91.72％，MCI与MCI的87.91％，MCI与MCIC的87.91％，分别为97.31％，分别为87.38％，使用所提出的算法进行评估。同时，来自接收器的曲线（AUC）下的区域与多个生物标志物组合的接收器操作特征（ROC）曲线提供了更好的分类性能。所提出的特征组合和选择算法有效地分类了广告和MCI，而MCIS与MCIC，最具挑战性的分类任务，因此可以提高临床实践中广告分类的准确性。此外，我们使用具有阿尔茨海默病神经影像倡议（ADNI）数据集的交叉验证方法对SVM分类剂进行了与SVM分类剂的性能进行了比较。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 -