1、腦科學作為一門新興學科，隨著大腦成像技術的發(fā)展而逐漸走向成熟，特別是在磁共振成像（magnetic resonance imaging，MRI）技術興起以后，人們得以通過更加精細的大腦成像數(shù)據(jù)進行大腦結(jié)構的分析和研究。在模式識別方法引入到腦科學的研究之后，通過機器學習的巨大優(yōu)勢，其應用領域不斷拓展，一個典型的例子就是醫(yī)學領域中的通過尋找神經(jīng)類疾病患者和正常被試腦磁圖像間的差異，找出這些疾病的致病腦區(qū)。同時，通過對患者和正常被試之間的差異

2、進行學習訓練，也能夠?qū)膊〉脑\斷有所幫助。
　　在本文中，我們進行了基于大腦磁共振成像的阿爾茨海默病（ Alzheimer disease， AD）模式分類研究。我們首先進行了基于體素形態(tài)學分析方法（Voxel-Based Morphometry, VBM）的灰白質(zhì)模式分類，特征選擇算法分別使用主成分分析（Principal Component Analysis，PCA）算法和局部線性嵌入（Locally Linear Embed

3、ding, LLE）算法，分類算法采用線性支持向量機（Support Vector Machine,SVM）.然后我們先通過特征描述對灰白質(zhì)特征進行轉(zhuǎn)換再進行分類實驗，特征描述算法使用梯度直方圖特征（Histogram Oriented Gradient, HOG）算法，各個算法的不同組合之間通過一系列比較確定本實驗中的最優(yōu)分類算法。其中AD患者與正常對照的最優(yōu)的分類精度為灰質(zhì) VBM+HOG+PCA的0.90。最后我們通過統(tǒng)計學差異研