基于多变量形态学特征的健康老年人认知发展预测算法

由于体积、表面积等常规形态学指标对于皮层下核团而言过于笼统，因此传统的形态特征获取手段难以检测到其表面形态的细微变化。为解决这一问题，本文提出了一种针对皮层下核团的精细特征提取算法，并将其应用到老年人认知状态预测任务上。通过表面共形参数化、表面共形表示和基于互信息的表面流配准，提取了46名被试双侧海马和杏仁核各15 000×2个顶点上的形态学特征；通过斑块选择、稀疏编码与字典学习，和最大池化的降维流程，避免了维度诅咒的同时充分保留了核团的纹理信息；最后，以树为弱学习器，采用GentleBoost算法集成了最终的强分类器做认知预测。结果显示，仅纳入海马和杏仁核两个皮层下结构的新颖特征，即可达到85%的预测准确率，为皮层下结构的精细特征发掘提供了新思路。