本文關鍵詞：基于集成學習的多模態(tài)AD輔助診斷模型研究，由筆耕文化傳播整理發(fā)布。

【摘要】：阿爾茨海默病(AD)是一種不可逆的神經(jīng)退行性疾病,臨床表現(xiàn)為記憶下降和其他認知功能損害。輕度認知障礙(MCI)是AD的前驅(qū)階段,但尚未達到癡呆狀態(tài)。目前對AD仍無有效的治療手段,許多研究基于單一模態(tài)的腦影像數(shù)據(jù)進行早期診斷研究,但效果不理想。腦影像技術日趨成熟,基于多模態(tài)腦影像數(shù)據(jù)能夠獲取與疾病相關的更加綜合的信息,對AD的早期診斷具有重要的臨床價值。多模態(tài)腦影像特征通常維度較高,而使用單分類器對高維數(shù)據(jù)進行分類時通常時間復雜度高且分類效果差。因此,本研究從集成學習方法角度出發(fā),使用多模態(tài)特征對早期MCI、晚期MCI、AD及正常老年組進行了分類研究,以期實現(xiàn)計算機輔助診斷。主要工作如下:(1)數(shù)據(jù)收集整理。收集四組被試的sMRI數(shù)據(jù)、PET數(shù)據(jù)和DTI數(shù)據(jù),并對每種模態(tài)的原始數(shù)據(jù)進行預處理,降低圖像噪聲,為后續(xù)特征提取做準備。(2)特征提取。對預處理后的sMRI和PET數(shù)據(jù)采用了兩種不同的特征提取方法,第一種是基于AAL模板的特征提取方法;第二種是基于顯著性檢驗的特征提取方法。對預處理后的DTI圖像,首先得到各向異性(FA)和平均彌散率(MD)圖譜,然后分別對四組被試的FA圖和MD圖進行顯著性分析,提取每個被試差異腦區(qū)的FA、MD值作為分類特征。(3)集成學習方法研究。近幾年在AD研究領域,集成學習方法成為了機器學習領域的研究熱點。本研究提出了PCA-FLDA集成分類器,其基本原理是通過PCA方法得到不同能量的特征子空間,利用每個特征子空間分別訓練得到基分類器,最后多個基分類器通過加權投票機制得到最終的分類結果,其次本研究在以往研究的基礎上實現(xiàn)了一種多分類器加權投票集成分類方法,該方法是將線性判別分析、樸素貝葉斯、SVM、BP神經(jīng)網(wǎng)絡和Adaboost五種分類器利用加權投票策略集成。(4)分類實驗。研究結果發(fā)現(xiàn),采用相同的分類方法時,差異顯著的感興趣區(qū)特征比全腦特征獲得的分類效果好;采用相同的分類特征時,集成分類器的分類效果均優(yōu)于單分類器;結合多模態(tài)特征比單模態(tài)特征獲得的分類效果好;采用多分類器投票集成分類方法進行四組間兩兩分類實驗時,分類準確率并沒有明顯的提高,且耗時遠遠多于單分類器及PCA-FLDA分類器。而采用PCA-FLDA集成分類器進行四組間兩兩分類實驗時,分類效果有明顯的改善,且時間復雜度低。本文給出的PCA-FLDA集成分類器能夠在一定程度上提高分類準確率同時降低分類準確率對前期特征空間選擇的依賴。實驗中以三種模態(tài)差異顯著腦區(qū)特征的組合進行分類時,在AD vs.NC、AD vs.EMCI、AD vs.LMCI、EMCI vs.LMCI、EMCI vs.NC以及LMCI vs.NC之間分類準確率分別為95.65%、88.64%、82.35%、86.05%、60.53%和77.78%。
【關鍵詞】：集成學習 多模態(tài)特征 阿爾茨海默病 輕度認知障礙 AD輔助診斷
【學位授予單位】：太原理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R749.16;TP391.41
【目錄】：

• 摘要3-5
• ABSTRACT5-10
• 第一章 緒論10-20
• 1.1 研究背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-15
• 1.2.1 多模態(tài)腦成像技術在AD診斷中的應用11-14
• 1.2.2 集成學習方法在AD分類中的應用14-15
• 1.3 主要研究內(nèi)容15-17
• 1.4 本文的結構安排17-18
• 1.5 本章小結18-20
• 第二章 多模態(tài)影像數(shù)據(jù)20-24
• 2.1 腦影像數(shù)據(jù)分類基本流程20-21
• 2.2 多模態(tài)腦影像21-23
• 2.2.1 結構磁共振成像21
• 2.2.2 正電子發(fā)射斷層掃描21-22
• 2.2.3 彌散張量成像22-23
• 2.3 本章小結23-24
• 第三章 研究方案基礎理論24-40
• 3.1 主成分分析24-25
• 3.2 分類算法基礎理論25-34
• 3.2.1 Fisher線性判別分析25-27
• 3.2.2 樸素貝葉斯分類器27-28
• 3.2.3 BP神經(jīng)網(wǎng)絡分類器28-30
• 3.2.4 支持向量機分類器30-33
• 3.2.5 Adaboost分類器33-34
• 3.3 分類器集成34-38
• 3.3.1 分類器集成的概念34-36
• 3.3.2 基分類器的構建36-37
• 3.3.3 集成策略37-38
• 3.4 本章小結38-40
• 第四章 多模態(tài)數(shù)據(jù)預處理及特征提取40-52
• 4.1 實驗數(shù)據(jù)40-42
• 4.1.1 ADNI數(shù)據(jù)集40-41
• 4.1.2 入組被試信息41-42
• 4.2 數(shù)據(jù)預處理42-47
• 4.2.1 MRI數(shù)據(jù)預處理42-44
• 4.2.2 FDG-PET數(shù)據(jù)預處理44-45
• 4.2.3 DTI數(shù)據(jù)預處理45-47
• 4.3 特征提取及特征選擇47-50
• 4.3.1 基于AAL模板的特征提取47
• 4.3.2 基于顯著性分析的特征提取47-50
• 4.4 本章小結50-52
• 第五章 PCA-FLDA分類模型的構建52-62
• 5.1 多分類器投票集成分類器52-53
• 5.2 PCA-FLDA集成分類模型53-54
• 5.2.1 基分類器的生成53
• 5.2.2 PCA-FLDA集成分類模型53-54
• 5.3 分類實驗結果與討論54-60
• 5.3.1 全腦特征與差異顯著腦區(qū)特征分類結果54-56
• 5.3.2 單模態(tài)特征與多模態(tài)特征分類結果56-58
• 5.3.3 PCA-FLDA與其他分類器分類結果對比58-60
• 5.4 本章小結60-62
• 第六章 總結與展望62-66
• 6.1 總結62-63
• 6.2 展望63-66
• 參考文獻66-72
• 附錄 172-74
• 致謝74-76
• 攻讀碩士學位期間發(fā)表論文76

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 吳蓮英;馮玉雄;;中醫(yī)英語課堂多模態(tài)教學模式的設計與案例[J];廣西中醫(yī)藥大學學報;2012年03期

2 佟正灝;王榮福;;多模態(tài)影像技術在臨床中的應用進展[J];CT理論與應用研究;2014年04期

3 賀偉;周銀玲;;多模態(tài)教學在護理實訓中的應用淺析[J];中國教育技術裝備;2014年12期

4 李喬亮;易萬貫;陳昕;郭燕榮;鄭永平;郭靜宜;張治國;;融合實時超聲影像的多模態(tài)肌肉運動特性研究[J];中國生物醫(yī)學工程學報;2012年04期

5 許鵬君;孫鋼;;多模態(tài)MR技術在前列腺癌診斷中的應用[J];功能與分子醫(yī)學影像學(電子版);2013年02期

6 董躍福;董英海;胡廣洪;張華;胡楊;徐卿榮;;多模態(tài)醫(yī)學影像數(shù)據(jù)融合三維構建肢體腫瘤及其周圍解剖整體結構[J];臨床骨科雜志;2011年01期

7 魏超剛;李凱;肖莉;沈鈞康;;前列腺癌基因治療及多模態(tài)成像研究進展[J];放射學實踐;2014年05期

8 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王愛東;谷珍;楊燕平;白鶴;;多媒體多模態(tài)教學在民辦高校大學英語教學中的適用性及效果研究[A];語言與文化研究（第十四輯）[C];2014年

2 張霄軍;;多模態(tài)語料庫:搶救瀕危語言的有效途徑[A];民族語言文字信息技術研究——第十一屆全國民族語言文字信息學術研討會論文集[C];2007年

3 夏凡;王宏;;多模態(tài)情感數(shù)據(jù)標注方法與實現(xiàn)[A];第一屆建立和諧人機環(huán)境聯(lián)合學術會議（HHME2005）論文集[C];2005年

4 趙賢;;多模態(tài)基底系統(tǒng)性質(zhì)研究[A];2010年全國應用邏輯研討會會議論文集[C];2010年

5 張友安;胡云安;周紹磊;;Hammerstein系統(tǒng)的多模態(tài)模型及其兩步辨識法[A];1996中國控制與決策學術年會論文集[C];1996年

6 鐘若飛;郭華東;王為民;朱博勤;;SZ-4多模態(tài)傳感器輻射模態(tài)數(shù)據(jù)處理與應用評價研究[A];第十四屆全國遙感技術學術交流會論文摘要集[C];2003年

7 康志峰;;口譯中多模態(tài)的AA研究[A];第十四屆全國科技翻譯研討會論文匯編[C];2011年

8 黃俊輝;李文政;李學軍;;基于多模態(tài)醫(yī)學影像數(shù)據(jù)的計算機輔助醫(yī)療設計與腫瘤精確治療[A];中國腫瘤內(nèi)科進展 中國腫瘤醫(yī)師教育（2014）[C];2014年

9 孟祥亮;史元春;楊欣;;基于分層原語的多模態(tài)輸入統(tǒng)一訪問接口[A];第四屆和諧人機環(huán)境聯(lián)合學術會議論文集[C];2008年

10 郭華東;王為民;朱博勤;;多模態(tài)傳感器輻射模態(tài)數(shù)據(jù)在SZ-4飛船模擬驗證研究[A];全國國土資源與環(huán)境遙感技術應用交流會論文文集[C];2004年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 記者 劉垠;在分子水平上認識疾病[N];大眾科技報;2009年

2 羅綿衛(wèi) 王建成;中國航天科工高分專項實現(xiàn)零突破[N];中國航天報;2011年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 高靜;信息物理融合系統(tǒng)中基于多模態(tài)數(shù)據(jù)的事件監(jiān)測問題研究[D];哈爾濱工業(yè)大學;2015年

2 侯濤;多信息融合濾波的多模態(tài)智能控制在高速列車速度控制中的研究[D];蘭州交通大學;2015年

3 張征;英語課堂多模態(tài)讀寫能力實證研究[D];山東大學;2011年

4 李寶磊;多元優(yōu)化過程記憶算法及動靜條件下多模態(tài)尋優(yōu)研究[D];云南大學;2015年

5 潘鳴威;多模態(tài)視角下的口語交際能力：重構與探究[D];上海外國語大學;2011年

6 逯波;多模態(tài)媒體信息檢索技術研究[D];東北大學;2013年

7 譚帥;多模態(tài)過程統(tǒng)計建模及在線監(jiān)測方法研究[D];東北大學;2012年

8 王洋;多模態(tài)圖像檢索技術[D];中國科學技術大學;2013年

9 張志堅;多模態(tài)生物特征識別融合算法的研究[D];中國科學技術大學;2008年

10 劉亞楠;多模態(tài)特征融合和變量選擇的視頻語義理解[D];浙江大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 劉潔;大學英語課堂中的多模態(tài)話語對學生多元識讀能力的影響[D];西南大學;2015年

2 邵榮;牛津版高中英語教材的多模態(tài)語篇分析[D];西南大學;2015年

3 王玉竹;中美報刊政治漫畫的批評性多模態(tài)話語分析[D];西南大學;2015年

4 周德英;基于多模態(tài)互動意義的公益廣告研究[D];華南理工大學;2015年

5 蔣迪;計劃生育宣傳畫的多模態(tài)語篇分析[D];天津商業(yè)大學;2015年

6 宋康利;概念整合理論視角下平面廣告中的多模態(tài)隱喻研究[D];湖南工業(yè)大學;2015年

7 張君艷;中國文化網(wǎng)主頁的多模態(tài)話語分析[D];華中師范大學;2015年

8 凌霄;基于多模態(tài)話語分析的平面商業(yè)廣告英漢翻譯研究[D];廣東外語外貿(mào)大學;2015年

9 楊曉倩;多模態(tài)語篇分析[D];寧夏大學;2015年

10 葛欣;中職英語物流詞匯多模態(tài)教學模式探究[D];閩南師范大學;2015年

  本文關鍵詞：基于集成學習的多模態(tài)AD輔助診斷模型研究，，由筆耕文化傳播整理發(fā)布。

本文編號：392817