經(jīng)濟全球化促使各國的經(jīng)濟和技術(shù)飛速發(fā)展,人們在享受快節(jié)奏生活帶來的便利生活時,生活成本和生活壓力日趨升高,各種精神疾病接踵而至,摧殘著人類脆弱的身心健康。作為精神疾病之首的抑郁癥,患者會出現(xiàn)持久的情緒低落、意志消沉甚至自殘自殺,給患者、家庭乃至社會帶來了極大的生活和醫(yī)療負(fù)擔(dān),預(yù)計到2030年抑郁癥將成為全球第一大疾病。因此,我們急需找出抑郁癥等精神疾病的致病機理,及時對患者進(jìn)行診斷治療。精神疾病一般與大腦結(jié)構(gòu)和功能的異常有關(guān),而目前醫(yī)療技術(shù)和計算機技術(shù)的快速發(fā)展,給深入研究大腦機理提供更多的可能性。本文基于抑郁癥的結(jié)構(gòu)和功能磁共振數(shù)據(jù),并結(jié)合圖論、統(tǒng)計學(xué)、人工智能和復(fù)雜網(wǎng)絡(luò)等知識,對患者的大腦網(wǎng)絡(luò)結(jié)構(gòu)和拓?fù)鋵傩缘冗M(jìn)行分析。主要進(jìn)行了以下工作:（1）本文基于抑郁癥患者和健康被試的大腦核磁共振數(shù)據(jù),通過皮爾遜相關(guān)系數(shù)構(gòu)建了兩組被試的結(jié)構(gòu)網(wǎng)絡(luò)和功能網(wǎng)絡(luò)。通過比較網(wǎng)絡(luò)的全局屬性發(fā)現(xiàn),抑郁癥患者結(jié)構(gòu)網(wǎng)絡(luò)和功能網(wǎng)絡(luò)的聚類系數(shù)均出現(xiàn)了一定程度的下降,其小世界屬性也出現(xiàn)了下降,并呈現(xiàn)出向隨機網(wǎng)絡(luò)演化的趨勢。抑郁癥患者的同配性、模塊化程度、層次化程度、同步性與健康被試相比,均出現(xiàn)了一定程度的下降。因而健... 

【文章來源】：電子科技大學(xué)四川省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：90 頁

【學(xué)位級別】：碩士

【部分圖文】：

核磁共振圖像預(yù)處理流程圖

第二章大腦網(wǎng)絡(luò)相關(guān)理論及應(yīng)用技術(shù)25圖2-23層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖則可以更便捷地獲得不同層的權(quán)值修正量。輸出層與隱含層間的權(quán)值修正量，如式（2-31）所示：()`()jkjkkkwhdyfnet（2-31）隱含層與輸入層的權(quán)值修正量，如式（2-32）所示：10`()()`()KijjkkkjkikvfnetdyfnetwO（2-32）BPNN算法是神經(jīng)網(wǎng)絡(luò)中一種監(jiān)督式學(xué)習(xí)算法，在理論上可以逼近任何函數(shù)，非線性變化的單元的組成結(jié)構(gòu)使它具有非線性映射能力。此外，還具有較好的自學(xué)習(xí)、自適應(yīng)能力和容錯能力。實際應(yīng)用時，實現(xiàn)BPNN算法的ANNs不能有太多的層階，因為隨著層數(shù)的增多，其計算的時間開銷呈指數(shù)級上升。另外，在實現(xiàn)BPNN時還需要注意局部極小化、應(yīng)用實例與網(wǎng)絡(luò)規(guī)模的矛盾、BP神經(jīng)網(wǎng)絡(luò)樣本依賴性、BP神經(jīng)網(wǎng)絡(luò)預(yù)測能力和訓(xùn)練能力的矛盾等問題。2.4.3LightGBMGBM（gradientboostingmachine）是由Friedman，Hastie等人提出的一種將決策樹子模型進(jìn)行迭代擬合并逐步消除殘差的集成學(xué)習(xí)方法。GBM通過在每個步驟創(chuàng)建與整個集合的損失函數(shù)的負(fù)梯度最大相關(guān)的基礎(chǔ)學(xué)習(xí)器來擬合新模型[62]。由于復(fù)雜性的增加，與決策樹相比，使用GBM和其他增強方法創(chuàng)建的模型在基礎(chǔ)模型結(jié)構(gòu)方面可能會失去一些可解釋性。XGBoost（ExtremeGradientBoosting）是GB（GradientBoosting）算法的高效實現(xiàn)版本，是一個基于CART樹，結(jié)合多

圖3-1兩組被試的帶權(quán)結(jié)構(gòu)網(wǎng)絡(luò)


本文編號：3630013