作為阿爾茲海默癥（Alzheimers Disease,AD）的早期階段,輕度認(rèn)知障礙（Mild C ognitive Impairment,MCI）的診斷研究日益受到國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。而對(duì)腦電信號(hào)進(jìn)行特征提取與分類是診斷MCI的一種重要途徑。當(dāng)前特征提取與深度學(xué)習(xí)相結(jié)合的研究在腦電信號(hào)分析領(lǐng)域得到了廣泛應(yīng)用,但是如何提取適合深度學(xué)習(xí)分類的有效特征以及如何構(gòu)建高效的深度學(xué)習(xí)分類器是當(dāng)前MCI腦電信號(hào)分析領(lǐng)域急需解決的兩個(gè)主要問(wèn)題。因此,本文擬探索新的多光譜圖像轉(zhuǎn)化特征提取方法以及卷積神經(jīng)網(wǎng)絡(luò)分類方法,具體工作如下。首先,本文創(chuàng)新性地將多光譜圖像轉(zhuǎn)化方法與卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于患II型糖尿�。═ype 2 Diabetes Mellitus,T2DM）的遺忘型輕度認(rèn)知障礙（amnestic Mild Cognitive Impairment,aMCI）患者的腦電信號(hào)分類任務(wù)中。其次,針對(duì)多光譜圖像轉(zhuǎn)化方法應(yīng)用于aMCI患者的腦電信號(hào)分類任務(wù)中存在的特征量不足、計(jì)算資源浪費(fèi)等問(wèn)題,本文提出了特征融合多光譜圖像轉(zhuǎn)化方法。該方法通過(guò)多特征融合、多頻段組合和參照腦區(qū)相關(guān)位置等計(jì)算過(guò)程有效地解決了... 

【文章來(lái)源】：燕山大學(xué)河北省

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

8通道的二維分布圖

法 4.1 第 9 步是對(duì)該算法第 8 步得到的 36 個(gè)像素點(diǎn)按照?qǐng)D 4-4 所示置關(guān)系進(jìn)行排列，得到大小為(6×6×3)的特征矩陣。其中(6×6×1)單通如公式(4-2):1- 1 1 1 1- 1 1- 2 1 21- 3 1 3 1-C3 1 3 1- 4 1 41- 7 1 7 1-C4 1 4 1- 8 1 81-T3 1 T3 1-P3 1 3 1-T4 1 41-T5 1 T5 1-P4 1 4 1-T6 1 61-O1 1 O1 1-Oz 1 1-O2 1 2Fp Fp Fz Fz Fp FpF F C F FF F C F FP TP TOz OM S M S M SM S M S M SM S M S M SRM S M S M SM S M S M SM S M S M S 是 通道下的 特征， 是 X 通道下的 特征。法 4.1 第 10 步是將該算法第 9 步得到的三維特征矩陣構(gòu)造成大小為譜圖像數(shù)據(jù)，多光譜圖像中空余像素點(diǎn) RGB 的值使用 Clough-Toche。通過(guò)算法 4.1 處理本文數(shù)據(jù)所得的大小為(32×32×3)的 aMCI 患者和圖像如圖 4-7 與圖 4-8 所示。兩張圖中從左至右分別為 R 通道圖、G圖與 RGB 通道合成的多光譜圖像。

1- 7 1 7 1-C4 1 4 1- 8 1 81-T3 1 T3 1-P3 1 3 1-T4 1 41-T5 1 T5 1-P4 1 4 1-T6 1 61-O1 1 O1 1-Oz 1 1-O2 1 2F F C F FP TP TOz OM S M S M SRM S M S M SM S M S M SM S M S M S 是 通道下的 特征， 是 X 通道下的 特征。法 4.1 第 10 步是將該算法第 9 步得到的三維特征矩陣構(gòu)造成大小為譜圖像數(shù)據(jù)，多光譜圖像中空余像素點(diǎn) RGB 的值使用 Clough-Toche。通過(guò)算法 4.1 處理本文數(shù)據(jù)所得的大小為(32×32×3)的 aMCI 患者和圖像如圖 4-7 與圖 4-8 所示。兩張圖中從左至右分別為 R 通道圖、G與 RGB 通道合成的多光譜圖像。圖 4-7 aMCI 患者多光譜圖像


本文編號(hào)：3241272