多通道稀疏图变换网络用于早期阿尔茨海默病识别

摘要：

目前阿尔茨海默病(AD)尚无有效的防治方法,早期临床干预可以延缓其进展,改善预后.然而现有的方法只考虑从群体关系中学习到的神经影像学特征而不考虑被试的个体特征.本研究设计了一种新颖的多模态多通道稀疏图变换网络(MSGTN)以期实现早期AD识别.首先,获取并处理每个被试者的影像信息[如弥散张量成像(DTI)和功能磁共振成像(fMRI)等]以及其相应的非影像信息(如年龄、性别等);其次,利用局部加权聚类系数(LWCC)将功能信息和结构信息进行融合,并将已融合的多模态影像特征与受试者的性别和年龄信息相结合来构建稀疏图;最后,将构建的稀疏图输入所设计的MSGTN网络模型用于早期AD识别.从公共数据库ADNI上获得共170个受试者,其中38个晚期轻度认知障碍(LMCI)患者,44个早期轻度认知障碍(EMCI)患者,44个显著记忆下降(SMC)患者和44个正常对照(NC).结果表明,SMC与NC的准确度为87.02％,EMCI与NC的准确度为87.40％,LMCI与NC的准确度为91.49％,SMC与EMCI的准确度为88.93％、SMC与LMCI的准确度为86.74％、EMCI与LMCI的准确度为92.12％.所提出的诊断模型不仅能够分析出NC与3种不同早期AD疾病状态,而且在3种不同早期AD疾病状态中也取得了优越的分类性能.

关键词：阿尔茨海默病、多模态信息融合、早期识别、多通道学习、图稀疏变换网络

所属期刊栏目：42

分类号：R318(医用一般科学)

资助基金：国家自然科学基金61871274

在线出版日期：2023-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：442-452