半监督流形学习与亲和力正则化使用正电子发射断层显像技术鉴定阿尔茨海默氏病

痴呆,尤其是阿尔茨海默氏病(AD)是一个全球性问题,对人口老龄化构成了巨大威胁。 需要一种基于图像的计算机辅助痴呆诊断方法,以在医学图像检查期间为医生提供帮助。 已经提出了许多使用医学成像的基于机器学习的痴呆分类方法,并且大多数方法都能获得准确的结果。 但是,这些方法大多数都使用需要完全标记图像数据集的监督学习,这在实际临床环境中通常不可行。 使用大量未标记图像可以提高痴呆症的分类性能。 在这项研究中,我们提出了一种基于随机流形学习与亲和力正则化的新型半监督痴呆分类方法。 从正电子发射断层扫描(PET)图像中提取三组空间特征,以构建无监督的随机森林,然后将其用于规范流形学习目标函数。 将所提出的方法,最新的拉普拉斯支持向量机(LapSVM)和监督的SVM应用于AD和正常控件(NC)的分类。 实验结果表明,使用未标记图像进行学习确实可以提高分类性能。 在相同的数据集上,我们的方法优于LapSVM。