陆小玲，吴海锋，曾 玉，孔伶旭，罗金玲

云南民族大学 电气信息工程学院，昆明650504

作为最常见的老年痴呆症，阿尔兹海默症（Alzheimer’s Disease，AD）是一种神经系统功能退化性疾病，病因尚未完全查明。以现在的医疗手段，AD还无法被治愈[1]，但若能对其正确诊断，则可采用正确的治疗方式延缓病人病情。目前，AD的主流诊断方式是依靠医师以临床资料综合分析和判断，包括简易精神状态检查表（Minimum Mental State Examination，MMSE）的神经心理学测验[2]，脑电图（Electroencephalogram，EEG）的电生理检查[3]，核磁共振成像（Magnetic Resonance Imaging，MRI）、正电子发射断层扫描（Positron Emission Tomography，PET）的神经影像学检查[4]以及脑脊液检查[5]等。虽然这些方式均取得不错的诊断效果，但毕竟耗时耗力，且存在一定主观性，仍可能发生误诊。

近年来，随着机器学习技术的快速发展，尤其是在AD定量评估中所展现的优势，人们发现其可作为一种快速的辅助诊断方式，例如多模态分类[6]和支持向量机（Support Vector Machines，SVM）[7]等机器学习算法。MRI作为一种高清晰的成像技术，其成像分辨率高，对比度好，信息量大，可清楚地显示脑结构，反映细微变化，且不会产生对人体有害的电离辐射，目前被广泛地应用于机器学习对AD的辅助诊断上。传统的MRI机器学习分类方法主要可分为结构特征分类和降维特征分类，其中结构特征分类又主要基于海马体和脑灰质特征[8-9]，而降维特征分类主要从感兴趣区（Region of Interest，ROI）提取特征[10]。另外，还有MRI纹理特征提取技术[11]，其运行速度和分类性能也较好。然而，这些传统的MRI机器学习分类准确率依赖提取特征的准确率，且大多还需手动提取，有时特征提取还较困难。……