《表3 分类结果:基于随机森林算法的阿尔茨海默症医学影像分类》
根据图4可以看出,在选择合适阈值的情况下,基于Brainnetome Atlas模板的分类效果优于传统的AAL模板。其中使用AAL模板进行特征选择时,当阈值设置为0.000 5时,保留159维特征,分类结果最高(75.88%);而基于Brainnetome Atlas模板的特征选择,当阈值设置为0.000 15时,保留1 034维特征,分类结果最高(90.68%)。说明对全脑进行更加精细的划分后,其功能连接作为特征更容易被分类,对AD的辅助诊断更有帮助。本试验将基于Brainnetome Atlas模板提取的初始特征,利用随机森林算法进行特征选择后,分别使用KNN和SVM进行分类,结果如表3所示。
图表编号 | XD00177739500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.25 |
作者 | 李长胜、王瑜、肖洪兵、邢素霞 |
绘制单位 | 北京工商大学计算机与信息工程学院、北京工商大学计算机与信息工程学院、北京工商大学计算机与信息工程学院、北京工商大学计算机与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |