姚丽丽，范炤

1.山西医科大学基础医学院，山西太原 030001；2.山西医科大学老年医学研究所，山西太原 030001； *通讯作者 范炤fanzhao316@163.com

阿尔茨海默病（Alzheimer's disease，AD）是常见的老年痴呆症。作为一种不可逆转的退行性大脑疾病，患者具有认知功能下降的特征[1]。患者在患病初期无明显临床表现，致使病情延误，最终发展为AD。目前本病尚无有效治疗方法。因此，在症状前驱阶段尽早发现，以减缓或预防疾病尤为重要。针对这一难题，基于神经影像系统计算机辅助机器学习方法成为大数据时代炙手可热的研究课题[2]。

机器学习算法应用于各领域，尤其在AD 病程的分类和预测方面取得了良好的效果[3]，其中随机森林、逻辑回归（Logistic regression，LR）、支持向量机（support vector machine，SVM）、决策树等已在AD病程分类中发挥巨大优势。通过机器学习算法能够早期发现患者，为临床诊断提供辅助工具。LR和SVM在其他领域的分类效果也较为理想[4]。针对算法各自存在的不足，本研究引入L1 范数正则化对模型进行优化，利用AD 的结构磁共振成像（structural magnetic resonance imaging，sMRI）数据获得能够识别早期AD的最优模型，为推进临床辅助诊断系统研制提供参考。

1 资料与方法

1.1 研究对象 本研究数据来源于美国AD 神经影像计划（Alzheimer's Disease Neuroimaging Initiative，ADNI）数据库。根据ADNI 标准，选取2014年8月—2015年7月受教育水平（或参加工作）≥6年，且符合各组诊断标准的543例研究对象，年龄55～90岁。按照疾病发展病程分为认知功能正常（cognitive normal，CN）组、早期轻度认知功能下降（early mild cognitive impairment，EMCI）组、晚期轻度认知功能下降（late mild cognitive impairment，LMCI）组和AD组。收集各组研究对象的性别、年龄、受教育程度、简易智力状态检查量表（mini-mental state examination，MMSE）评分以及sMRI 数据（表1）。……