·374· 智能系统学报 第14卷 MRI、PET、其他生物标志物，以及临床和神经心 表2使用DPL稀疏系数作为特征的参数设置 理学评估来测定MCI和早期AD的进展。 Table 2 Parameter setting using DPL algorithm 在ADNI1中，根据MCI患者在36个月之 特征使用算法 DPL算法 后的状态，将36个月之后仍表现出MCI的状态， 分类方法 SVM LDA KNN 则记为SMCI;36个月后表现为AD的病况，记为 子字典原子数(m) 60 60 60 PMCL;没有36个月之后的信息的患者，记为uMCI。 0.01 0.05 0.473 0.007 0.5 0.003 实验中只利用表1中显示的有标签的164个 之 0.00010.001 0.0001 PMCI患者信息和100个SMCI患者信息，对 MCI进展进行识别，提前预测AD。 表3使用GDPL稀疏系数作为特征的参数设置 Table 3 Parameter setting of the GDPL algorithm 表1PMCI和SMCI相关信息 Table 1 PMCI and SMCI related information 特征使用算法 GDPL 分类方法 SVM LDA KNN Group(组别) PMCI SMCI 子字典原子数/m 60 60 60 Number(例数) 164 100 a 0.8 0.7 0.51 Age(年龄/岁) 74.5±7.0 74.6±7.5 0.01 0.05 0.8 0.007 0.5 0.001 MMSE(简易精神表/分) 27.6±1.7 27.6±1.7 0.0001 0.0015 0.001 CDR-SB(临床痴呆综合汇总评 1.88±0.97 1.34±0.65 0.01 2 0.1 定量表分) RAVLT(Rey听觉言语学习试验) 27.1±6.2 35.1+10.2 )为了验证在基于图正则化的字典对(GDPL) 算法学习的字典对上的系数作为特征效果比直接 FAQ(功能评估问卷/分) 5.61±5.11 2.03±3.08 用结合生物标志作为特征的实验效果好。本文使 ADAS-cog(阿尔茨海默病评定量 13.20±4.03 9.65±4.11 用准确率(ACC)和ROC曲线下的面积(AUC)作 表-认知量表/分) 为评价标准。 所有实验是使用中全局生物标志和表1中 从图2可以看出直接用结合生物标志作为特 显示的Age、MMSE、CDR-SB、RAVLT、FAQ、 征的准确率与使用字典对学习方法的准确率相差 ADAS-cog信息的结合生物标志作为特征表示样 较大，使用SVM和GDPL+SVM的实验结果相差 本，使用算法1中学习的字典对{D,P,计算出样 了2个百分点，K近邻(KNN)和GDPL+KNN相 本的编码系数作为特征。在实验中选择较常用的 差了6个百分点。用GDPL方法的准确率比DPL 分类器SVMl,141刀、LDA刃、KNN作为比较方 方法的准确率高。从图2整体上看使用GDPL 法。为了避免实验结果的随机性，运行100次 方法的实验效果比DPL方法和直接使用综合特 10倍交叉验证取最终的平均准确率(ACC)和平 征的效果好。图3从算法AUC性能评价，从中可 均ROC曲线下面的面积(AUC),对于分类器的性 以看出使用GDPL的稀疏系数作为特征的实验 能进行评价。 中，除了SVM外，其他的方法都比使用DPL的效 为了验证提出的基于图正则化的字典对学习 果好，其中KNN的AUC最高到达92.1%。从图 方法的实验效果比其他的实验效果好，直接使用 2、3中整体的结果可以看出GDPL方法的实验结 结合生物标志用SVM、LDA、KNN分类器分类， 果比DPL的实验结果好。 使用DPL方法训练出来的字典对上的稀疏系数 作为特征用分类器(SVM、LDA、KNN)做出的实 0.86 ■方法 口DPL+方法 验效果，和使用GDPL方法训练出来的字典对上 0.84 ■GDPL+方法 的稀疏系数作为特征用SVM、LDA、KNN分类的 实验结果。最终的实验结果是取100次10倍交 0.82 叉验证结果的平均值，对于具体实验数据的精确 0.80 度取小数点后3位。 078 在使用字典对算法训练字典的过程中，算法 0.76 中参数设置是选择一个参数变化，固定其他参 SVM LDA 数，进行遍历。选取3次十倍交叉验证平均准确 方法 率最好。经过遍历参数，算法中的参数设置如 图2不同方法上的准确率(ACC) 表2、3所示。 Fig.2 The accuracy of different methodsMRI、PET、其他生物标志物，以及临床和神经心 理学评估来测定 MCI 和早期 AD 的进展。 在 ADNI1[14]中，根据 MCI 患者在 36 个月之 后的状态，将 36 个月之后仍表现出 MCI 的状态， 则记为 SMCI；36 个月后表现为 AD 的病况，记为 PMCI；没有 36 个月之后的信息的患者，记为 uMCI。 实验中只利用 表 1 中显示的有标签 的 164 个 PMCI 患者信息和 100 个 SMCI 患者信息，对 MCI 进展进行识别，提前预测 AD。 表 1 PMCI 和 SMCI 相关信息 Table 1 PMCI and SMCI related information Group (组别) PMCI SMCI Number (例数) 164 100 Age (年龄/岁) 74.5±7.0 74.6±7.5 MMSE (简易精神表/分) 27.6±1.7 27.6±1.7 CDR-SB (临床痴呆综合汇总评 定量表/分) 1.88±0.97 1.34±0.65 RAVLT (Rey 听觉言语学习试验) 27.1±6.2 35.1+10.2 FAQ (功能评估问卷/分) 5.61±5.11 2.03±3.08 ADAS-cog (阿尔茨海默病评定量 表-认知量表/分) 13.20±4.03 9.65±4.11 {D, P} 所有实验是使用中全局生物标志[14]和表 1 中 显示的 Age、MMSE、CDR-SB、RAVLT、FAQ、 ADAS-cog 信息的结合生物标志作为特征表示样 本，使用算法 1 中学习的字典对 ，计算出样 本的编码系数作为特征。在实验中选择较常用的 分类器 SVM[11, 14-17] 、LDA[17] 、KNN 作为比较方 法。为了避免实验结果的随机性，运行 100 次 10 倍交叉验证取最终的平均准确率 (ACC) 和平 均 ROC 曲线下面的面积 (AUC)，对于分类器的性 能进行评价。 为了验证提出的基于图正则化的字典对学习 方法的实验效果比其他的实验效果好，直接使用 结合生物标志用 SVM、LDA、KNN 分类器分类， 使用 DPL 方法训练出来的字典对上的稀疏系数 作为特征用分类器 (SVM、LDA、KNN) 做出的实 验效果，和使用 GDPL 方法训练出来的字典对上 的稀疏系数作为特征用 SVM、LDA、KNN 分类的 实验结果。最终的实验结果是取 100 次 10 倍交 叉验证结果的平均值，对于具体实验数据的精确 度取小数点后 3 位。 在使用字典对算法训练字典的过程中，算法 中参数设置是选择一个参数变化，固定其他参 数，进行遍历。选取 3 次十倍交叉验证平均准确 率最好。经过遍历参数，算法中的参数设置如 表 2、3 所示。 表 2 使用 DPL 稀疏系数作为特征的参数设置 Table 2 Parameter setting using DPL algorithm 特征使用算法 DPL 算法 分类方法 SVM LDA KNN 子字典原子数 (m) 60 60 60 τ 0.01 0.05 0.473 λ 0.007 0.5 0.003 η 0.000 1 0.001 0.000 1 表 3 使用 GDPL 稀疏系数作为特征的参数设置 Table 3 Parameter setting of the GDPL algorithm 特征使用算法 GDPL 分类方法 SVM LDA KNN 子字典原子数/m 60 60 60 α 0.8 0.7 0.51 τ 0.01 0.05 0.8 λ 0.007 0.5 0.001 η 0.000 1 0.001 5 0.001 β 0.01 2 0.1 1) 为了验证在基于图正则化的字典对 (GDPL) 算法学习的字典对上的系数作为特征效果比直接 用结合生物标志作为特征的实验效果好。本文使 用准确率 (ACC) 和 ROC 曲线下的面积 (AUC) 作 为评价标准。 从图 2 可以看出直接用结合生物标志作为特 征的准确率与使用字典对学习方法的准确率相差 较大，使用 SVM 和 GDPL+SVM 的实验结果相差 了 2 个百分点，K 近邻 (KNN) 和 GDPL+KNN 相 差了 6 个百分点。用 GDPL 方法的准确率比 DPL 方法的准确率高。从图 2 整体上看使用 GDPL 方法的实验效果比 DPL 方法和直接使用综合特 征的效果好。图 3 从算法 AUC 性能评价，从中可 以看出使用 GDPL 的稀疏系数作为特征的实验 中，除了 SVM 外，其他的方法都比使用 DPL 的效 果好，其中 KNN 的 AUC 最高到达 92.1%。从图 2、3 中整体的结果可以看出 GDPL 方法的实验结 果比 DPL 的实验结果好。 SVM LDA KNN 0.76 0.78 0.80 0.82 0.84 0.86 方法 准确率 方法 DPL+方法 GDPL+方法 图 2 不同方法上的准确率 (ACC) Fig. 2 The accuracy of different methods ·374· 智 能 系 统 学 报 第 14 卷