基于多模態(tài)特征數(shù)據(jù)的多標(biāo)記遷移學(xué)習(xí)方法的早期阿爾茨海默病診斷

　　針對(duì)當(dāng)前基于機(jī)器學(xué)習(xí)的早期阿爾茨海默?。?a target='_blank' class='arckwlink_none'>AD）診斷中訓(xùn)練樣本不足的問(wèn)題，提出一種基于多模態(tài)特征數(shù)據(jù)的多標(biāo)記遷移學(xué)習(xí)方法，并將其應(yīng)用于早期阿爾茨海默病診斷。所提方法框架主要包括兩大模塊：多標(biāo)記遷移學(xué)習(xí)特征選擇模塊和多模態(tài)多標(biāo)記分類回歸學(xué)習(xí)器模塊。首先，通過(guò)稀疏多標(biāo)記學(xué)習(xí)模型對(duì)分類和回歸學(xué)習(xí)任務(wù)進(jìn)行有效結(jié)合；然后，將該模型擴(kuò)展到來(lái)自多個(gè)學(xué)習(xí)領(lǐng)域的訓(xùn)練集，從而構(gòu)建出多標(biāo)記遷移學(xué)習(xí)特征選擇模型；接下來(lái)，針對(duì)異質(zhì)特征空間的多模態(tài)特征數(shù)據(jù)，采用多核學(xué)習(xí)技術(shù)來(lái)組合多模態(tài)特征核矩陣；最后，為了構(gòu)建能同時(shí)用于分類與回歸的學(xué)習(xí)模型，提出多標(biāo)記分類回歸學(xué)習(xí)器，從而構(gòu)建出多模態(tài)多標(biāo)記分類回歸學(xué)習(xí)器。在國(guó)際老年癡呆癥數(shù)據(jù)庫(kù)（ ADNI）進(jìn)行實(shí)驗(yàn)，分類輕度認(rèn)知功能障礙（MCI）最高平均精度為79. 1%，預(yù)測(cè)神經(jīng)心理學(xué)量表測(cè)試評(píng)分值最大平均相關(guān)系數(shù)為0. 727。實(shí)驗(yàn)結(jié)果表明，所提多模態(tài)多標(biāo)記遷移學(xué)習(xí)方法可以有效利用相關(guān)學(xué)習(xí)領(lǐng)域訓(xùn)練數(shù)據(jù)，從而提高早期老年癡呆癥診斷性能。
?