TY -的A2 -李,梁盟——Tangaro萨拜娜AU - Amoroso,尼古拉AU -布雷西亚,马西莫盟——Cavuoti斯特凡诺盟——Chincarini,安德里亚盟——Errico Rosangela盟——Inglese保罗AU -隆戈,朱塞佩盟——Maglietta猩红热AU - Tateo,安德里亚盟——里奇奥,朱塞佩盟,征求Roberto PY - 2015 DA - 2015/05/18 TI - Feature Selection Based on Machine Learning in mri for hippocamps Segmentation SP - 814104 VL - 2015 AB -神经退行性疾病常与大脑的结构改变相关。磁共振成像(MRI)扫描可以显示这些变化，因此可以作为一些神经退行性疾病的支持特征。海马体已经被认为是阿尔茨海默病和其他神经和精神疾病的生物标志物。然而，它需要准确、可靠和可重复描述的海马结构。全自动方法通常是基于体素的方法;对每个体素计算一些局部特征。在本文中，我们从每个体素抽取的315个特征中比较了四种不同的特征选择技术:(i)基于Kolmogorov-Smirnov检验的滤波方法，(ii)序列前向选择和(iii)序列向后消除的两种包装方法;(iv)基于随机森林分类器的嵌入方法，对一组10个t1加权脑磁共振成像(mri)进行测试，并对一组25名独立受试者进行测试。结果与手工参考标签进行了比较。 By using only23 feature for each voxel (sequential backward elimination) we obtainedcomparable state-of-the-art performances with respect to the standardtool FreeSurfer. SN - 1748-670X UR - https://doi.org/10.1155/2015/814104 DO - 10.1155/2015/814104 JF - Computational and Mathematical Methods in Medicine PB - Hindawi Publishing Corporation KW - ER -