摘要
背景：阿尔茨海默氏病（AD）的早期诊断对于预防其发展为痴呆至关重要。轻度认知障碍（MCI）可以指示早期AD。在这项研究中，我们提出了一种功能近红外光谱（fNIRS）数据的通道级特征提取方法，以在执行认知任务（包括双向，Stroop和语义口语流利任务（SVFT））时诊断MCI。 方法：提出了一种新的基于通道的特征提取方法，如下所述：将感兴趣区域（ROI）通道定义为两组之间t值具有统计差异（p <0.05）的通道。对于每个ROI通道，提取特征（均值，斜率，偏度，峰度和氧合和脱氧血红蛋白的峰值）。使用线性判别分析（LDA）和支持向量机（SVM）对这两类（MCI，HC）提取的特征进行分类。最后，使用接收器工作特性的曲线下面积（AUC）验证分类器。此外，将建议的特征提取方法与常规方法进行了比较。 15名MCI患者和15名健康对照（HCs）参加了该研究。 结果：在二后卫和Stroop任务中，HCs在腹外侧前额叶皮层（VLPFC）中激活。但是，对于MCI，未激活VLPFC。相反，Ch. 30被激活。在SVFT任务中，两组均激活了PFC，但是HC的t值高于MCI。对于SVFT，使用建议的特征提取方法进行分类的准确度分别为80.77％（LDA）和83.33％（SVM），在三个任务中表现最高。对于Stroop任务，分别为79.49％（LDA）和73.08％（SVM）；而对于后卫任务，则为73.08％（LDA）和69.23％（SVM）。 结论：使用fNIRS检测了腹侧前额叶皮层中MCI和HC组之间的认知差异。所提出的特征提取方法已显示出分类准确性的改进，请参见第3.3节。最重要的是，建议的方法包含每个认知任务的组区分信息。获得的结果成功地区分了MCI患者和HCs，这表明所提出的方法是提取fNIRS信号特征的有效工具。
关键词: 轻度认知障碍（MCI），功能近红外光谱（fNIRS），语义口语流利度任务（SVFT），特征选择，线性判别分析（LDA），阿尔茨海默氏病。
Related Books
Frontiers in Clinical Drug Research - CNS and Neurological Disorders
Frontiers in Clinical Drug Research - CNS and Neurological Disorders
Frontiers in Clinical Drug Research - CNS and Neurological Disorders
Frontiers in Clinical Drug Research-Dementia
Frontiers in Clinical Drug Research - CNS and Neurological Disorders
42