文摘

早期发现阿尔茨海默病(AD)发展对适当的疾病管理是至关重要的。大多数研究集中在神经影像数据分析基线互访。他们忽略了一个事实,广告是一种慢性疾病和病人的数据自然纵向。此外,没有痴呆药物的效应研究疾病的行为。在本文中,我们提出一个基于机器学习建筑早期检测AD进展基于多通道数据的广告药物和认知得分数据。我们比较五个受欢迎的机器学习方法的性能包括支持向量机,随机森林、逻辑回归、决策树,再预测广告发展后2.5年。执行广泛的实验使用ADNI 1036名被试的数据集。大多数算法的交叉验证的性能已经被融合改进药物和认知得分数据。结果显示患者采取药物的重要作用在广告疾病的进展。

1。介绍

阿尔茨海默病(AD)被认为是最严重的疾病之一,破坏大脑(郑、徐1])。根据阿尔茨海默氏症协会报告Huber-Carol et al。2),全球有超过六千万人将受到广告在未来五十年。此外,根据该报告估计,一个人是受到痴呆症影响每三秒。因此,到2050年,潜在的国际号码是1.52亿(3]。随着痴呆有几个阶段,有一个阶段叫轻度认知障碍(MCI)健康老化和广告之间的关系。大多数患有轻度认知障碍是在五年内逐步推进痴呆(et al。4])。此外,MCI患者之间不等d每年10%到20%转换为广告所估计的邱et al。5]。因此,早期发现广告可以为治疗提供一个机会,减缓广告症状和改善病人的生活(灰色et al。6])。广告的病人的早期识别和进步MCI (pMCI)从稳定转换MCI (sMCI)是一个复杂的问题,因为患者总是有相似的迹象(Lee et al。7])。机器学习(ML)技术发挥着至关重要的作用在许多领域,如工程、物理、数学、市场营销、和计算机科学(刘et al。8,9])。毫升技术有很大的潜力采用医疗挑战(刘et al。(10])。广告被认为是慢性疾病,收集患者的数据被认为是时间序列和多通道数据。此外,广告的病人的数据被认为是异类基于病人的资料。最近,再等几个毫升模型(资讯),支持向量机(SVM),多层感知器(MLP)和逻辑回归(LR)被用来分类患者认知正常(CN), MCI或广告(Moradi et al。11];公园等。12])。这些研究主要侧重于使用单一的形式包括磁共振成像(MRI)(刘et al。10]),fluoro-deoxyglucose正电子发射断层扫描(FDGPET) (Hinrichs et al。13]),扩散张量成像(DTI)和脑脊液(CSF)。然而,使用单一模式负面影响模型的性能,因为一些有用的附加信息从各种生物标志物省略形式(et al。4])。一些研究调查的结合多种形式的广告分类,他们取得了更好的性能比方法基于单形式(灰色et al。6),Zhang et al。14])。在这种背景下,凌晨et al。15)用于DTI和MCI患者MRI确定十17匹配CN患者。准确性是比使用single-modality-based方法增加了7.4%。Bouwman et al。16)使用两种模式:从MCI诊断CN患者MRI和脑脊液。预测认知损失MCI, Fellgiebel et al。17用宠物和CSF预测认知MCI。Zhang et al。14从CN]分类广告和MCI之间使用集成三种形式:核磁共振,FDGPET, CSF。灰色et al。6](RF)随机森林算法应用于四个模式:遗传、核磁共振,CSF, FDGPET分类广告与MCI与CN。在另一方面,有一些作品,用时间序列方法检测广告发展。作者在Moradi et al。11)使用semisupervised学习预测MCI-to-AD之间的转换使用MRI形态一至三年。

作者在El-Sappagh et al。18)使用整体机器学习分类器基于射频两层,利用多通道广告数据集。Venugopalan et al。19)使用不同的模型,包括支持向量机,DT,射频,资讯,早期检测广告阶段。此外,他们展示了多峰性数据和single-modality模型。摩尔et al。20.]研究了成对的数据点之间的关系在不同的时间使用射频分离。此外,他们使用的三种模式:人口、物理和认知数据。

模型性能得到了改进使用multimodel考虑广告发展的时间序列数据检测。由此产生的模型预计将更加稳定和医学上可接受的,因为他们模仿真正的程序医学专家紧随其后。除了MRI、宠物和CSF,这里存在一个关键的数据源,在文献中没有被研究过的广告。这些数据来源是痴呆药物,病人的观察期间拍摄的。药物包含的化学物质在某些形式积累在体内,会增加疾病进展的可能性,或药物有助于改善病人的条件,减少疾病恶化的可能性。因此,有必要研究这些药物的影响疾病的发展过程(齐默尔曼(21])。此外,没有研究的文献,讨论这个问题。在这项工作中,我们提供了一个ML-based模型来预测广告发展后2.5年。在这一过程中,我们实现了测试和一组毫升技术根据病人多通道时间序列数据。这项研究是基于认知得分和阿尔茨海默氏症的药物(AM)数据。为每一个病人,这些形式收集1.5年(基线,month-6, 12月,month-18)和用来预测病人的状态在48个月。我们使用ADNI数据集。ADNI是真实的临床数据,所以我们的结果有潜在的实际应用。大量实验已经进行,数据显示的优越性提高简历大部分算法的性能。所有模型都使用网格搜索优化技术。 Furthermore, the effect of the feature selection process on the model’s performance has been studied.

本文的其余部分的结构如下:部分2提出了系统的体系结构进行了预测阿尔茨海默氏症的进展。部分3描述了实验结果。最后,本文的结论部分4。

2。该系统预测阿尔茨海默氏症的进展

提出系统的预测阿尔茨海默氏症的进展是在图中描述1。它由以下步骤组成:数据收集、数据预处理、数据融合和分裂,平衡数据,分类器优化和培训,和模型评估。提出系统的每个步骤详细描述以下部分。


图1
提出了系统的体系结构的预测阿尔茨海默氏症的进展。
2.1。数据收集

收集的数据用于这项工作的阿尔茨海默病的神经影像学(ADNI)数据库疾病神经影像倡议[22]。在美国和加拿大有57个网站注册科目El-Sappagh et al。18]。这项研究是根据GCP原则进行的,赫尔辛基宣言,和美国21 CFR 50保护人类打造的一部分56机构审查委员会。受试者愿意并且能够参与测试过程,如神经影像学和随访,和他们给书面知情同意。所有数据在疾病神经影像倡议[向公众开放22]。收集的数据集有1036名受试者分为四组,如表所示1。这项研究是基于两个时间序列模式的认知得分(CS)和阿尔茨海默氏症的药物(AM)。CS数据集包括八个特性:CDRSB GDTOTAL, FAQ, ADAS 13日CDG, MMSE、加州和NPISCORE。ADNI数据集的基础上,我们设计了一个药物的数据集,包括九个特点:抗抑郁,Cognex, Aricept加入盐酸,Exelon Razadyne,,没有。这些药物在我们的数据集,根据他们的受欢迎程度排列Aricept加入盐酸,antidepression,艾斯,Cognex(42.18%、25.77%、23.84%、6.18%和0.09%,分别)。主要是CN(85.94%)患者没有服用任何药物。因此,我们删除这个类的数据集。所有数据集有787名患者和三个类(sMCI、pMCI和广告)。表1显示病人的人口统计数据。

表1
患者在基线数据。
2.1.1。数据预处理

我们准备药物和认知得分数据集,我们从ADNI收集的数据集,如图2。药品数据集有几个预处理步骤:时间过滤:在这个阶段,我们四个访问过滤数据,也就是说,前四次(提单、M06 M12 M18)表示基线,月6月12日和月18日。这些访问数据和不使用药物利用数据来探索药物对预测一个广告的影响病人的进展后2.5年(月48)。代码分离:药物数据集包含一个列包含多个值和分隔符“:”之间的值。我们单独的行成两个多行的使用分隔符“:”。Cognex特性已被删除,因为只有0.09%的病人使用。数据编码:数据集包含一个列名字的病人的药物;把每种药物的名字,创建一个新的数据集,包括9列。药物的名字列在这些列。每个列都有一个二进制值(即。,0 or 1) indicating whether or not the patient is taking the drug.聚合:每个病人的最后数据集包含多个行。我们每个病人的多个行转换成一行通过使用分组行消除列,每列获得最大价值。


图2
数据融合的步骤。

CS的预处理数据集已经完成如下:检查数据的随机性,随机和数据丢失。的负面影响降到最低缺失的数据在我们的数据集,任何情况下失踪的基准分数或功能缺失的值超过30%被删除。我们使用远期灌装技术处理丢失的时间序列数据,在前面的值被用于诊断是否没有改变时间步。数据规范化CS数据已经完成使用z分数的方法。第四,聚合特性的四个历史时期步骤收集总结时间序列数据。我们把每个CS的平均为每一个病人。

2.1.2。数据集分割

考虑到两个收集特性集(即。,CS, AM), three datasets are created: (1) CS features only dataset, (2) AM features dataset, and (3) CS-AM dataset, where the CS and AM modalities are fused. The stratified method is used to split each dataset into 90% of the dataset as the training set, and 10% of the dataset as the unseen test set. The Ml models were trained and optimized using the training set; the ML models were evaluated using the unseen test set.

2.1.3。数据集平衡

偏置模型总是不平衡数据集的结果。合成少数过采样方法(杀)提出的拉et al。23)是用于处理不平衡,以避免偏见的类模型。击杀只应用于训练集。

2.1.4。分类器的优化和培训

hyperparameters毫升模型的最优值被选中简历使用网格搜索方法与分层10倍。五个被应用到每个数据集:支持向量机(SVM)是一种监督式学习的方法,为分类或回归分析数据。支持向量机是一种形式化的区别的算法最优超平面。它生成一个结果最优超平面,分类未知的情况下,支持超平面和数据集被称为支持向量。然而,选择最优超平面是艰难的,因为它必须无噪声的和准确的数据集的泛化。SVM是试图发现一个最优超平面,提供了一个重要的最小距离的训练数据集。决策树(DT)糖果和集集24)是一种最广泛使用的机器学习分类器。很流行,因为它可以定制几乎所有类型的数据类型。这是一个监督学习技术训练数据划分成小块提取模式分类。然后显示为一个知识树,这是容易理解的。自上而下的决策模型构造树的结构,从根节点(上)。根节点是重要预测因子,而叶节点有一个最终的分类。再(资讯)是一种监督算法。然而,算法试图定位的模式空间k类似的实例的训练在新实例分析测试数据。资讯分类器可能适合因变量,覆盖两个原则:低风险、中等风险和高风险。此外,资讯分类需要相同数量的好和坏样本例子获得更好的性能。的选择k也满足资讯过程性能。随机森林(RF) Alickovic et al。25)是一个基于机器学习的分类器在树上,利用多个决策树决策的力量。射频是由多个决策树,每个选择从引导训练集其分离特性。射频提供了几个优势:分类的方法是准确,快速,noise-resistant。在射频、随机选择和合并装袋特性。独立采样随机向量的值影响每棵树在森林里和其他树具有相同的分布。逻辑回归(LR) Mirzaei et al。26)是一种监督机器学习分类器预测目标变量的可能性。它是一种多元技术,旨在创建功能众多的预测变量和一个输出之间的关系。在大多数情况下,LR输出变量分类,因为它只能分配给一个有限数量的类。LR是一个强大的ML算法,因为它可以生成概率和分类新数据使用离散和连续的数据集。

2.1.5节讨论。评价指标

模型评估使用四个标准指标:准确性、精密,回忆,和F1-score TP代表真阳性,为真阴性TN, FP假阳性、假阴性和FN,方程所示(1)- (4)。

3所示。结果

Python 3.7.3分布在蟒蛇4.7.7(64位)被用来运行实验。实现的模型使用Scikit-Scikit-learn 0.20.0图书馆Pedregosa et al。27毫升的性能模型:支持向量机,LR,资讯,DT,和射频注册三个数据集:c,我和AM-CS。进行了三个实验来获得结果。每个实验已经进行重复6次,平均精度,精度,召回,F1-score注册(在:准确性、P:精度、R:记得,和F1: F1-score)。在第一个实验中,我们最初的目的是评估的能力毫升模型区分病人的广告,pMCI和sMCI类基于认知得分或阿尔茨海默氏症的药物。然后,我们试图回答这个问题:在多大程度上的特性注入CS,影响毫升模型的性能?表2介绍了第一个实验结果。在第二个实验中,我们评估的影响是在检测pMCI MCI患者。实验试图回答这个问题:什么程度AM-CS融合如何有助于毫升的总体性能模型在MCI患者?表3介绍了第二次实验结果。第三个实验与实验2;然而,这个实验回答了这个问题:什么程度AM-CS融合如何有助于的总体性能毫升MCI患者和广告之间的模型吗?表4介绍了第三个实验结果。在过去的两个实验,我们试图评估毫升的性能模型对MCI患者,谁有类似的认知得分和阿尔茨海默氏症的药物,和sMCI与AD患者,医学上不同的认知得分和阿尔茨海默氏症的药物。

表2
广告的表现与pMCI vs sMCI任务。
表3
sMCI vs pMCI任务的性能。
表4
广告vs sMCI任务的性能。
3.1。实验1:sMCI与pMCI和广告

表2表明毫升模型实现最好的简历融合数据集的性能。例如,RF, DT, LR,支持向量机,和资讯模型实现了92.74%的准确性,84.96%,88.4%,82.89%,和82.43%,分别。射频是一个分类器,这可能是其高绩效的主要原因。测试性能、3的5毫升使用融合数据集模型取得了最高的性能和精度88.54%,85.42%,74.22%,射频,LR,分别和资讯模型。这表明广告发展的重要性是数据检测任务。表2还表明,仅是功能不足,基于cs模型可以提高了AM-CS融合。

3.2。实验2:sMCI与pMCI

这个实验的结果如表所示3断言AM-CS融合的关键作用提高毫升模型的性能。简历的结果,RF, DT, LR,与AM-CS数据集和支持向量机模型优于其他模型精度87.90%,89.54%,87.07%,和87.10%,分别。除此之外,这四个毫升模型显示出改善的测试结果数据集使用AM-CS精度85.11%,89.36%,87.23%,86.57%,射频,DT, LR,分别和支持向量机模型。这些模型实现测试AUC的0.878,0.815,0.910,0.897,射频,DT, LR,分别和支持向量机模型。毫升的结果模型基于数据集是单独实现更好的性能比最近的研究如你们et al。4]。例如,资讯和SVM模型实现了测试精度为75.69%和69.68%。这些结果比姚明等人模型,实现了68.98%的准确性基于神经影像数据。

3.3。实验3:sMCI和广告

类似于实验2,这个实验的结果断言AM-CS融合的重要性,提高广告从MCI患者的检测情况。此外,这个实验的性能比前两个实验,因为所有毫升模型可以很容易地分离sMCI和广告案例。简历的结果,RF, DT, LR,与AM-CS数据集和支持向量机模型优于其他模型精度94.96%,93.66%,94.12%,和94.50%,分别。除此之外,这四个毫升模型显示出改善的测试结果数据集使用AM-CS精度94.82%,95.95%,90.09%,94.82%,射频,LR,支持向量机,分别和资讯模型。这些模型实现测试AUC的0.941,0.955,0.897,0.941,射频,LR,支持向量机,分别和资讯模型。所有的实验证实了我们的假设,AM-CS融合具有积极作用的性能发展在阿尔茨海默病检测的问题。

4所示。结论

本文研究痴呆药物的作用在提高检测AD进展患者基于多通道时间序列数据。该算法是基于病人的four-time-step时间序列数据和可以预测在2.5年的M18广告。模型是基于时间序列的早期合并形式从CS和点。我们已经优化和测试五毫升模型使用真实世界的ADNI数据集。结果显示药物特性的关键作用来增强这些毫升模型的性能。在未来,我们将扩展这项工作通过研究这些模型的可解释性的特性。

数据可用性

收集的数据来自ADNI (http://adni.loni.usc.edu/)。ADNI数据以前来自50个不同的研究地点。请求数据访问应该http://adni.loni.usc.edu/data-samples /访问数据。

伦理批准

在这项研究中使用的所有程序涉及人类参与者遵守制度和/或国家研究委员会的道德要求和1964年赫尔辛基语句及其后续修订或类似的道德标准。伦理委员会/机构审查委员会批准了ADNI研究补充文件中列出。

参与到这项研究中,每项研究课题给书面知情同意在入学的时候成像和基因样本收集和完成问卷每个参与网站的机构审查委员会批准(IRB)。

的利益冲突

所有作者宣称他们没有利益冲突。

补充材料

补充文件显示了伦理委员会/机构审查委员会批准了ADNI研究()(补充材料)