《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》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于随机森林算法的阿尔茨海默症医学影像分类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。