2022国际数维杯C题题解：利用大脑结构特征和认知行为特征诊断阿尔茨海默病

原创：CSDN/知乎：川川菜鸟

问题描述

阿尔茨海默病的临床前阶段，也称为轻度认知障碍(MCI)，是正常和严重之间的过渡状态。由于患者及家属对疾病的认知有限，67%的患者被诊断为中重度，已错过最佳干预阶段。因此，早期准确诊断阿尔茨海默病和轻度认知障碍具有重要意义

所附数据包含在不同时间点(一个时间点为一个量)收集的 4850 名认知正常老年人(CN)、1416 名主观记忆主诉患者(SMC)、2968 名早期轻度认知障碍患者(EMCI)、5236 名晚期轻度认知障碍患者(LMCI)和 1738 名阿尔茨海默病患者(AD)的具体信息特征。请利用附录中提供的不同类别人群的大脑结构特征和认知行为特征，构建阿尔茨海默病识别模型，设计智能诊断方法，准确诊断阿尔茨海
默病。

说明文档原文：

https://adni.loni.usc.edu/wp-content/uploads/2013/09/DOD-ADNI-PM-12.7.12-FINAL.pdf

任务

对所附数据的特征指标进行预处理，考察数据特征与阿尔茨海默病诊断的相关性。
利用附带的结构脑特征和认知行为特征，设计阿尔茨海默病的智能诊断。
首先，将 CN、MCI 和 AD 分成三大类。然后，对于 MCI 中包含的三个子类(SMC、EMCI 和 LMCI ),聚类继续细化为三个子类。
附件中的相同样本包含在不同时间点收集的特征，请分析它们与时间点的关系，以揭示不同类别疾病随时间演变的模式。
请参考相关文献来描述 CN、SMC、EMCI、LMCI 和 AD 五种类型的早期干预和诊断标准

数据说明

DX_b：类型。CN表示正常老年人，SMC表示主观记忆主诉患者，EMCI表示早期轻度认知障碍患者，LMCI表示晚期轻度认知障碍患者，AD表示阿尔茨海默病患者。
AGE：年龄
PTGENDER：性别
。。。。。

不用太关心这些变量的含义，只要把目标变量确定出来就行。

思路

目标变量：DX_b
其它变量：相关特征

第一问：空缺部分可填充为0，缺失多的直接删除；缺失值少的用平均值填充。剔除一些不重要的特征。相关性可以用热力图，估计用处不大；还可以用特征重要性的排名来看，越重要则越相关，从而还能用于筛选特征。

第二问：五分类问题。建议算法：XGBoost 模型、支持向量机（SVM）模型、随机森林（RF）模型。建议至少使用两个算法，从而有对比性。

第三问：把三个大类分开筛选，其中单独提取H列中SMC、EMCI 和 LMCI 这三个类型的数据，然后使用无监督学习的聚类算法。例如使用：手肘法+Kmeans，这样的做法在高教杯就能国二水平。

第四问：关键在“时间点”，描述统计一些关于时间的量，可视化能说明出来更好。

第五问：这方面资料很多，晚点我再发出来。

思路如果有错误，后续我再更新。

代码

点击查看：C题

视频讲解：C题