为解决现有算法对人脑的白质网络特征集及灰质形态特征集筛选精度不高的问题，通过机器学习方法优化算法，将多序列特征转化为特异性指标，构建脑老化的敏感特异性特征集。先通过单因素方差分析筛选特征，然后基于机器学习分类器分别对特征集中青、老年受试者开展实验，实验数据包含96例正常受试者的脑影像数据（青年组48例，老年组48例）最后利用五折交叉验证法评估不同模型在相应特征集的受试者工作特征曲线（ROC）、曲线下面积（AUC）、分类准确率（ACC）及特异性值（SPE）。实验结果表明，所提方法在白质网络特征集及灰质形态特征集的最高分类准确率分别达到70%、74.4%，联合特征集达到90%，证实了所提方法提取的优化特征子集对脑老化具有较高的敏感特异性。
关键词
核磁共振成像; 机器学习; 脑老化