林 岚， 沈小琪

(北京工业大学环境与生命学部生物医学工程系智能化生理测量与临床转化北京市国际科研合作基地, 北京 100124)

阿尔茨海默症(Alzheimer’s disease，AD)是一种发病隐匿的渐行性神经退化疾病，多发于老年人群，故又称老年痴呆症. AD主要表现为记忆力衰退，认知功能障碍，行为异常和社交障碍等，通常与病理淀粉样蛋白沉积、脑萎缩和大脑化学物质的代谢变化有关，是一种无法通过治疗手段逆转的疾病. 随着社会老龄化程度的不断加深，AD的患病率也呈逐年上升趋势. 预计在2050年，全世界AD患病人数将达到1.35亿[1]. 当前，AD的致病机理尚不明确，药物研发也屡屡失败. AD存在长达10多年的临床前期，该期患者脑内已经出现特异性病理改变，但无临床症状. 因此，早期识别和早期干预可有效延缓疾病进程[2].

在过去的30年中，机器学习方法已被成功运用于提取AD相关特征，分析神经影像数据中的复杂模式，构建分类模型，以实现AD的早期诊断[3]. 胡玲静等[4]对左右侧海马进行三维纹理分析，利用支持向量机(support vector machine，SVM)探索纹理特征对AD早期诊断的启示作用. 海马区域体积萎缩是诊断AD的一项重要生物标记，Gokce等[5]从脑结构磁共振成像(structural magnetic resonance imaging，sMRI)中获取出海马的体积并进行三维建模，通过使用逻辑回归，K最邻近和SVM等机器学习技术分析数据，辅助AD诊断. 大脑皮质厚度可有效预测AD. Salim等[6]结合皮层特征指标与认知测试评分，采用4种常见的机器学习方法区分AD患者和正常受试者(normal control，NC).

传统的机器学习方法依……