阿尔茨海默病多病程自适应筛查模型的构建

• 全文链接
• 请求原文

作   者：

李志刚;  胡德安;  纪勇;  吴昊;  单鹏; 

作者机构：

东北大学信息科学与工程学院;  天津环湖医院神经科; 

关键词：

随机森林;  Relief-F算法;  阿尔茨海默病;  血浆振动光谱;  检测模型体系; 

期刊名称：

仪器仪表学报

i s s n：

年卷期：

2023 年 001 期

页   码：

182-189

摘   要：

人口老龄化导致更高的阿尔茨海默病患病率，造成沉重的家庭和社会负担。尽早发现是延缓和逆转病程的关键，但现有检测方法无法满足价格低廉、低侵入性、快速、可靠的筛查与检测需求。生理液体光谱技术已在医学检测方面显示出了潜力，但在阿尔茨海默痴呆症检测上所面临的挑战是血浆光谱中阿尔茨海默病相关特征信息难以提取以及多病程复杂分类的难题。本文从信息空间建立、特征挖掘以及筛查与检测体系构建的角度展开研究，建立模型特征波数驱动的阿尔茨海默病多病程自适应筛查与诊断体系。针对阿尔茨海默病早期、中期和晚期3个不同病程阶段，模型检测的灵敏度分别为90.0%、87.5%、100%;特异性分别为83.3%、93.7%、100%。实验结果表明，基于阿尔茨海默病多病程自适应筛查与诊断模型具有较好的检测灵敏度和特异性。