摘要：阿尔茨海默病(AD)症不同状态所对应的脑部年龄与实际年龄存在偏差,为了准确预测该偏差得到脑部年龄,在现有基于脑磁共振(MR)图像年龄检测方法的基础上,提出了一种新的脑部年龄检测算法.首先,设定偏差搜索范围;然后,基于可分性距离判据设计了适应度函数,利用偏差和支持向量回归机(SVR)获得样本年龄估计值,并计算出其适应度值;接着,通过最大化适应度值获取偏差的最优估计,从而获得更有利于AD症分类的脑部年龄.与现有的年龄检测方法相比,对于正常对照组(NC)与AD患者、NC与轻度认知障碍患者(MCI)以及MCI与AD患者3种分类情况,所提方法的可分度值分别提高了0.178,0.033,0.017.因此,所提方法检测的年龄具有更好的可分性,更有利于提高AD症的分类准确率.

摘要：构造频域空间的检测模型,将基音频率作为特征值进行提取,然后为检测模型引入模型参数即优化因子,通过进化算法对该因子进行全局优化,从而获取基音频率的全局最优值,在优化精度和时间代价上取得了较好的平衡。采用两种具有代表性的进化算法进行算法设计,包括遗传算法(GA算法)和粒子群算法(PSO算法)。将所提算法与相关有代表性的算法进行比较,结果表明,所提算法在不同类型不同程度的噪声环境下,能显著提升检测识别率,尤其是在极低信噪比下,优势更为明显。