阿尔茨海默症的分级集成分类方法_王如月.pdf

2023.7电脑编程技巧与维护1概述为了更好地了解AD，相关的研究日益增多1，相关组织明确提出加大对AD的关注度。随着神经影像技术的飞速发展，关于AD分类取得了一定的成果2。原始高维医学图像本身带有无用特征的比重较大，严重影响计算机的计算速度，因此直接采用原始数据进行分类的方法计算成本高，不可取。需要进一步降低特征冗余度，或引入多源信息，使其符合当前研究的特征提取与选择的准则。2相关研究近年来的研究利用了该疾病的不同方面，即多种数据形式或多种可用于此任务的特征类型。这些特征通常是互补的，因为它们来自代表相同主题的不同测量。机器学习算法的表现一般取决于数据表示（或特征），因此特征提取成为分类框架中的关键步骤3。在使用多模态数据时，数据不完整的问题仍然是一个难点，且在不同的数据库中不同类型数据的可用度不同。这些研究使用高度可变的训练和测试数据集，混淆了方法之间分类的客观比较4。预处理后的可用特征数量非常大，且许多特征可能与AD引起的病理改变无关。因此，在一定程度上特征提取方法的选择限制了多类分类的通用性及其性能。3分级集成分类核磁共振成像（MRI）能清晰地显示颅内的各种组织，因此选取MRI的数据进行研究。在传统的研究中，需要从MRI图像的感兴趣区域（ROI）中手工提取AD特征，这种方法效果显著，但有很大的局限性。此外，现有的特征提取和分类的方法对AD、正常大脑和轻度认知障碍的分类精度还不够高。因此对自动诊断进行研究，提出一种基于多个切片的预测结果来提升病人分类的准确率的多层次集成框架，如图1所示。基金项目：2021年度广西高校中青年教师科研基础能力提升项目（2021KY0797）；2020年度广西高校中青年教师科研基础能力提升项目（2020KY21023）；2022年 度 广 西 高 校 中 青 年 教 师 科 研 基 础 能 力 提 升 项 目（2022KY0789）。作者简介：王如月（1993），女，硕士，研究方向为图像处理；曾利，通信作者，硕士；王也，硕士。阿尔茨海默症的分级集成分类方法王如月，曾利*，王也（桂林航天工业学院计算机科学与工程学院，广西 桂林541004）摘要：提出了一种基于多个切片的预测结果来提升病人分类准确率的分级集成框架，对象是阿尔茨海默症（AD）。首先对公开数据集中选取的 AD、轻度认知障碍（MCI）和健康（NC）3 类样本进行数据预处理，得到每类样本的单个个体相对应的数量的切片；其次用 3 种不同的方法对所有切片进行特征提取，得到不同维度及不同结构的图像特征；再次用两种不同的分类方法对切片进行分类，得到单个切片类别的预测标签；最后根据切片的预测结果，预测相对应的病人类别。关键词：阿尔茨海默症；分类；分级集成图1在此提出的分级集成分类框架预先训练好的DNN M特征矩阵M分类器M粗分类结果M细分类结果N输入层预处理后的MRI特征提取层预先训练好的DNN 1特征矩阵1分类器1预先训练好DNN 2特征矩阵2分类器2集成分类层粗分类结果2粗分类结果1将所有粗分类结果进行集成分类细分类结果1细分类结果2将所有细分类结果进行集成分类输出层得到病人的最终分类结果54DOI:10.16184/prg.2023.07.0172023.7电脑编程技巧与维护3.1提出问题在此形式化地讲解了该框架的问题具体如下：输入层，图像输入到集成框架内；特征提取层，将k类病人的一系列图片X=Xi|i=1,.,N处理之后，这里的N为一类病人的切片数量，分别将切片送入l种不同的特征提取器中，得到相应的特征矩阵，即Y=Yi|i=1,.,N，这里的YiRd是第i张切片的d维特征向量；集成分类层，有m种分类器，根据前层操作，这里可以得到M种分类结果。函数M如公式（1）所示：M=klm（1）最终分类层，将上层的分类结果再次进行分类，得到最终的结果。假设n为样本数量；k为类别数量。多类分类的问题实现如公式（2）公式（4）所示：（2）（3）（4）可以得到决策函数f（x），结果判为第i类，如公式（5）所示：（5）结果输出层，根据上述各层进行操作之后，可得到最终的输出结果。3.2特征和分类方法对原始图像的维度进行统一调整。把经过统一调整后的数据送入统计参数映射包（SPM12），完成预处理操作。选择3种特征提取的方法，（HOG算法、VGG-19网络和ALEXNET网络），以及支持向量机（SVM）和极限学习机（ELM）两种分类方法。考虑到计算成本，提出采用预先训练好的DNNs对MRI切片图像集进行特征提取。例如，利用VGG-19网络训练的ImageNet3进行特征提取。在此对VGG-19网络的分类层进行简单的移除，以达到特征提取的目的。这样每个切片都可以用一个D维特征向量xRD来表示。此外，由于并没有针对MRI图像对预先训练好的DNNs网络进行优化，因此将利用来自M种不同DNNs网络的输出作为一个特征集合，并利用该分类框架将它们结合起来。4实验在此使用的实验数据均从公开数据集中获取，即阿尔茨海默神经影像学倡议数据库(ADNI)，共155个样本，其中，有50个AD样本、50个NC样本和55个MCI样本。为了保证实验数据样本量足够，从每个样本中选取28张切片，故切片总数量为4 340张，理论上可以满足验证所提出方法的有效性。所有的样本切片经图像预处理之后，运用3种特征提取的方法，得到不同类型的特征，如表1所示。所有实验都是使用Matlab R2017b在带有8GB RAM的Intel i5-3230M 2.60 GHz机器上进行的。在该实验中，为了避免在实验结果的评估中出现偏差，采用十折交叉验证的方法进行实验，每次从所有样本中抽取AD、MCI和NC的训练集数量分别为565，其余样本为训练集。在最终分类层仍然使用SVM/ELM分类器进行分类，同时对layer3的实验结果取平均值，即使用平均精度作为实验结果的评估指标。选取SVM和ELM分类器，基于多特征切片进行分类，结果如表2所示。其中，表2左侧是用SVM分类的结果；表2右侧是用ELM分类的结果。由表2中的实验数据可知，针对AD自动诊断进行研究，所提出多层次的AD识别的集成框架可以表示每个MRI图像学习本地全局的特征，并显著地提高传统方法的性能。只要选择适宜的特征提取算法，大脑MRI图像的局部特征和全局特征都可以被纳入分类器的学习过程中，就能得到想要的特征。也可选择使用多个图像分类器，组合分类，得到对应的分类结果。5结语大量的实验结果验证了文件方法的优势，主要具有以下两点：ADMCINCHOG1400 x34596 single1540 x34596 single1400 x34596 singleALEXNET1400 x4096 single1540 x4096 single1400 x4096 singleVGG191400 x4096 single1540 x4096 single1400 x4096 single类别方法表1提取的特征splitSVMsplitELMHOGVGG ALEXNET layer3HOGVGGALEXNET layer310.9151 0.80630.84620.952410.7064 0.74740.84170.949020.9289 0.83360.87150.962620.7089 0.76480.85170.955830.9077 0.78260.83630.949030.7188 0.74000.83660.949040.8963 0.81590.84790.925240.7251 0.76690.84230.952450.9006 0.80180.85190.918450.7205 0.76070.84280.949060.9182 0.80040.85760.966060.7120 0.74580.83840.949070.9165 0.82930.86910.959270.6849 0.75340.82720.949080.8901 0.77300.83780.918480.7050 0.75840.84590.966090.9309 0.81650.86770.976290.7146 0.75510.82890.9354100.9043 0.80570.86810.955810 0.7138 0.75560.83610.9354表2基于多特征切片的分类结果(下转第110页)552023.7电脑编程技巧与维护规定的时间内取消预约。微信预约的重点在于微信的授权登录，授权流程1如下。（1）用户同意授权，获取code。（2）通过code换取网页授权access_token。（3）通过access_token和openid拉取用户信息。预约成功后，读者会收到公众号推送的模板消息。预约成功后读者收到的模板消息如图7所示。4.2.3现场预约读者如果没有提前预约，也可以在场馆外的可触摸大屏上进行现场预约。现场预约仅限开放当日时段。读者需要携带有效身份证件和手机号，选择有效时段进行预约。此举可以限制场馆内的访客人数，从而为入场读者带来更好的体验。5系统特点与优势系统为工作人员提供了一个方便的管理平台，并且为读者提供了多种易于操作的预约方式，其具有以下特点和优势：（1）系统设置高度灵活。该系统采用预约项目预约日历预约班次预约时段4级联动的管理模式。预约项目的设置完全由场馆工作人员自定义，工作人员可自主选择读者预约端的显示方式。各预约项目的可预约日期和每个日期的可预约时段可以完全独立设置，不受程序约束。此外，该系统支持随时增加预约项目，具有较强的可扩展性。（2）读者可以选择多种预约方式。习惯计算机操作的读者可以使用网站预约；大部分读者的手机都安装了微信，也可以关注微信公众号进行预约；读者还可以在现场自助预约。因此，该系统适用于大多数的读者。（3）选择微信预约的读者需要先关注图书馆的微信公众号，这在一定程度上可以增加公众号的粉丝数量。微信公众号是图书馆与读者之间进行沟通的重要纽带，图书馆可以通过微信公众号向读者提供更加优质的服务和资源。6结语系统在设计初期进行了多次讨论和研究，最终确定了数据库结构。在开发过程中，系统功能进行了多次的优化和改进，以确保能够满足不同场馆的要求。系统上线以来一直稳定运行，读者可以更好地利用场馆资源，而场馆也能够根据人流量统计适时地更新和优化服务方式，使图书馆管理工作更加高效。参考文献1李伟超,张柳琪,焦启航,等.基于移动互联网的图书馆共享空间预约系统分析J.图书馆理论与实践,2018(6):101-104.2陈斌,雒虹.基于旧馆的高校图书馆空间再造实践与思考:以西安交通大学图书馆为例J.当代图书馆,2018,135(3):50-53.3席新亮.微信公众平台网页开发实战：HTML5+JSSDK混合开发解密M.北京:电子工业出版社,2017.4张松慧,鲁立.ASP.NET MVC程序设计开发教程M.北京:中国铁道出版社,2018.图7预约成功后读者收到的模板消息（1）提出了这种层次化的AD识别的集成框架，可有效应对数据不完整及与病理改变无关的特征数量过多的情况，显著提高了多类分类的分类效果。（2）在此提出的框架是对常用的特征及分类器进行一定的组合，全面地分析了AD识别方面的性能。该框架适用于多种特征提取方法及多种类型分类器，使得该框架更具灵活性和通用性。参考文献1徐勇,王军,王虹峥,等.2022年中国阿尔茨海默病知晓与需求现状调查J.阿尔茨海默病及相关病杂志,2022,5(4):265-277.2龙晓秘.基于MR图像的阿尔茨海默症识别方法研究D.武汉:华中科技大学,2021.3李梅梅,胡春海,周影,等.基于改进注意力机制的认知障碍病程分类J.计量学报,2023,44(2):8.4曾安,贾龙飞,潘丹,等.基于卷积神经网络和集成学习的阿尔茨海默症早期诊断J.生物医学工程学杂志,2019,36(5):711-719.(上接第55页)110