目的 采用扩散张量成像(DTI)的自动纤维定量(AFQ)分析方法,使用支持向量机(SVM)模型方法对轻度认知障碍(MCI)的不同亚型进行分类预测研究以帮助对该病的鉴别诊断.方法 搜集18例遗忘型轻度认知障碍(aMCI)患者、21例非遗忘型轻度认知障碍(naMCI)患者和25名健康对照组(NC)的临床及影像学资料,用AFQ软件包对所有被试的DTI数据进行分析,追踪全脑20条白质纤维束,每条纤维束分成100等份,对每个等份的各向异性分数(FA)值及平均扩散系数(MD)值定量分析,提取出三组被试的脑白质纤维特征,并将其作为分类特征,利用SVM对MCI进行分类预测,记录并比较其分类效力.结果 AFQ成功追踪获得的纤维束包括双侧皮质脊髓束、双侧丘脑放射束、双侧扣带束海马、双侧扣带束扣带回、胼胝体束膝部和压部、双侧下额枕束、双侧弓形束、双侧钩状束、双侧上纵束和双侧下纵束.与NC组相比,aMCI患者在右侧皮质脊髓束中间节段(节点48～ 59)、胼胝体束压部(节点1～8、31 ～50、53～64、74、82～87)FA值降低,左侧上纵束偏前部(节点11～44)、左侧下纵束的中间节段(节点33～48、56～63)及钩束的偏下部(节点66～ 78、97～100)MD值增高.与naMCI患者相比,aMCI患者左侧皮质脊髓束偏上部(节点87～ 100)FA值降低.所有纤维束所有节点的FA值作为分类特征在aMCI和其他两组分类中的具有综合更好的敏感性、特异性和总体准确率,且曲线下面积(AUC)值最大,为0.913.结论 本研究基于DTI的AFQ分析构建的SVM模型获得较为精确的分类预测结果,对MCI的分类预测具有较高的应用价值.