基于极限学习机的轻度认知障碍辅助诊断
【摘要】 为解决现有的轻度认知障碍计算机辅助诊断方法准确率较低、耗时较长的问题，对功能磁共振图像进行预处理，基于复杂网络理论构建脑网络，从中提取特征并采用LASSO方法特征选择，采用极限学习机实现轻度认知障碍的辅助诊断。此外，为了得到更合适的极限学习机分类模型，讨论了隐含层节点数与激活函数的选择对分类准确率的影响。结果显示:极限学习机分类器的分类准确率为93.3%，相比支持向量机和BP神经网络提高了13.3%和20.0%，而耗时相比支持向量机和BP神经网络分别减少了60.7%和99.5%，该方法较为明显地提高了轻度认知障碍辅助诊断的准确率和速度，对于轻度认知障碍辅助诊断的临床应用具有重要意义。
