基于多模态 MRI 的 AD 分类模型

利用多模态磁共振成像数据，构建静息态功能网络，提取了网络属性及结构像中萎缩灰质的灰质体积作为分类特征，训练SVM 分类器。实验结果表明，利用结构和功能组合特征，可以区分M CI与正常对照（准确率91.7％），AD 与正常对照（准确率100％），AD 与 M CI （准确率87.8％），有效提高了两类疾病的分类正确率。结果说明提出的分类模型是一种较好的辅助诊断模型。