針對當(dāng)前基于機器學(xué)習(xí)的早期阿爾茨海默?。?a target='_blank' class='arckwlink_none'>AD）診斷中訓(xùn)練樣本不足的問題，提出一種基于多模態(tài)特征數(shù)據(jù)的多標(biāo)記遷移學(xué)習(xí)方法，并將其應(yīng)用于早期阿爾茨海默病診斷。所提方法框架主要包括兩大模塊：多標(biāo)記遷移學(xué)習(xí)特征選擇模塊和多模態(tài)多標(biāo)記分類回歸學(xué)習(xí)器模塊。首先，通過稀疏多標(biāo)記學(xué)習(xí)模型對分類和回歸學(xué)習(xí)任務(wù)進(jìn)行有效結(jié)合；然后，將該模型擴展到來自多個學(xué)習(xí)領(lǐng)域的訓(xùn)練集，從而構(gòu)建出多標(biāo)記遷移學(xué)習(xí)特征選擇模型；接下來，針對異質(zhì)特征空間的多模態(tài)特征數(shù)據(jù)，采用多核學(xué)習(xí)技術(shù)來組合多模態(tài)特征核矩陣；最后，為了構(gòu)建能同時用于分類與回歸的學(xué)習(xí)模型，提出多標(biāo)記分類回歸學(xué)習(xí)器，從而構(gòu)建出多模態(tài)多標(biāo)記分類回歸學(xué)習(xí)器。在國際老年癡呆癥數(shù)據(jù)庫（ ADNI）進(jìn)行實驗，分類輕度認(rèn)知功能障礙（MCI）最高平均精度為79. 1%，預(yù)測神經(jīng)心理學(xué)量表測試評分值最大平均相關(guān)系數(shù)為0. 727。實驗結(jié)果表明，所提多模態(tài)多標(biāo)記遷移學(xué)習(xí)方法可以有效利用相關(guān)學(xué)習(xí)領(lǐng)域訓(xùn)練數(shù)據(jù)，從而提高早期老年癡呆癥診斷性能。
?