（一）基于sMRI的方法
按照特征提取的区域不同，基于sMRI的方法主要分为基于体素的方法、基于感兴趣区域（regionofinterest, ROI）的方法和基于图像块的方法。基于体素的方法直接对脑图像进行体素级别的特征提取。例如，Kloppel等在全脑灰质上提取体素级别的形态特征，并利用支持向量机（supportvectormachine, SVM）模型进行分类，最终的诊断准确率为89%。Li等提取皮层表面每个顶点的体积和形态学信息，然后构建线性SVM对轻度认知障碍和正常人进行分类，在两组数据上的正确率分别为76%和80%。基于体素的方法提取的特征数量大、维数高，且表征能力不强，未对脑结构信息进行充分的利用，易产生过拟合。为了解决这些问题，多位学者研究了一系列特征降维或者选择方法来提高特征的区分性、降低特征的维数，从而提高方法的效果。基于感兴趣区域的方法首先将大脑分成不同的脑区，然后在不同的脑区中提取相应的特征最后进行诊断。Magnin等将整个大脑区域非线性的校准到自动标记的图谱上去，然后提取区域特征，利用SVM模型进行AD的诊断；Zhu等利用Jacob模板，将人脑分成93个ROIs。然后，进行稀疏特征学习，建立联合回归和分类的AD诊断模型。然而，脑区的分割需要一定的专业知识，比如依据已经建立的脑图谱等。这类方法局限于经验定义的脑区上，因此不能覆盖整个大脑上所有可能的病理部位。基于图像块的方法所处理的图像尺寸进行了折中，Liu等和Tong等直接提取基于图像块的灰度信息作为特征，利用机器学习方法建立诊断模型；Zhang等在**RI图像中检测有物理意义的关键点，然后以关键点为中心，提取基于图像块的形态学特征，利用SVM模型进行AD/MCI诊断。基于图像块的方法并未考虑特征之间的相关性，所以也有一定的限制。此外，上述方法所提取的特征一般为人工设计的特征。近年来，随着深度学习在图像处理的深入应用，基于深度学习的方法在AD的诊断中得到了广泛的应用，并取得了不错的效果。
（二）基于fMRI的方法
哦豁，小伙伴们如果觉得倾城文选不错，记得收藏网址 或推荐给朋友哦~拜托啦 (>.<)
传送门：