论文部分内容阅读
老年痴呆症(Alzheimer Disease,AD)是一种高发性老年疾病,随着全球人口老龄化的日益严重,越来越成为一个严重的社会问题。轻度认知损伤(Mild CognitionImpairment,MCI)为正常老年向AD转化的过渡阶段,因此MCI群体的研究对于AD的早期诊断和早期预测具有重要意义。传统的MCI诊断方法是依靠多个记忆力和认知能力的国际标准量表的测试,如果各量表的测查结果一致,被试者状态确定,则可以直接做出诊断,但如果各量表测查结果不一致,被试者状态待定,则需要神经内科医生权衡各项指标,并查看具体的测试过程来进行主观判断。本文改进了传统的MCI诊断方法,提出了一个基于单类支持向量机的诊断模型,并实现了该诊断模型。在诊断模型的基础上,本文构建了一个以J2EE为框架的B/S模式的专家系统,利用该专家系统进行MCI的诊断。为了使实验更加便于操作,本文采用修订后的MCI诊断标准,采集被试者记忆力与认知能力等方面的数据并进行预处理,将预处理后的状态确定的被试者数据作为诊断模型中推理机的训练数据,将状态待定的被试者数据作为测试数据,最后由该诊断模型给出状态待定的被试者是否有MCI倾向。在推理机的建立部分,本文采用单类支持向量机分类技术,分别从核函数的选择及参数寻优、训练样本预处理、训练算法等几方面详细阐述了推理机的建立与训练。其中,本文采用格点搜索法的改进方法与交叉验证的方法来寻找核函数的最优参数,从而避免训练中可能出现的过学习问题。本文还给出了一种新的样本处理方式,对训练样本进行预处理,在不影响正确率的情况下,缩短了训练时间。实验从大连、沈阳等地区寻找出年龄在45-75岁之间的55名被试者,采集他们的记忆力与认知能力方面的数据。将专家的诊断结果与专家系统的诊断结果进行了对比。结果表明,使用该诊断模型的专家系统对MCI的预测精度达到了85.7%,能够较好地将正常被试者和MCI被试者分离,达到了早期预测的目的,并且避免了传统诊断方法中人为因素的干扰,是一种有效的MCI诊断模型。