阿尔茨海默病（AD）作为一种常见的神经系统退行性疾病,其致病机制不明,尤其是对处于AD不同阶段的轻度认知障碍（MCI）患者的萎缩区域难以确定,导致误诊率偏高。为此,提出了基于3维卷积神经网络（3DCNN）和遗传算法（GA）相结合的AD早期辅助诊断模型。首先用3DCNN针对感兴趣区域（ROI）训练出候选基分类器,然后利用GA算法从中挑选出最优基分类器组合,最后集成起来进行分类,实现辅助诊断。同时,由于基分类器与脑区之间是一一对应的,进而可以找出具有显著分类能力的脑区。实验结果表明,AD与正常组（NC）的分类准确率为88.6%,转化为AD的MCI（MCIc）与NC的分类准确率为88.1%,未转化为AD的MCI（MCInc）与MCIc的分类准确率为71.3%。此外,通过对关键ROI（即脑区）所对应的行为域数据进行统计分析,GA筛选的关键脑区除了左延髓海马、左尾部海马和内外侧杏仁核、左海马旁回,还新发现了右颞中回前颞上沟、右扣带回背侧23等区域。实验得出所选脑区的功能主要影响情绪、记忆和认知等方面,这与AD患者出现的感情冷淡、记忆力下降、行动能力下降和认知水平下降等外在表现基本吻合。这些均表明所提方法是有效的。
