隨著成像等各種輔助診斷技術(shù)的發(fā)展,越來越多跨學(xué)科的研究者們基于不同的數(shù)據(jù)去探索人類大腦的內(nèi)部運作及其與神經(jīng)病學(xué)和神經(jīng)退行性疾病之間的聯(lián)系,然而利用經(jīng)典的統(tǒng)計學(xué)方法處理這種高維醫(yī)學(xué)圖像的效果欠佳。本文主要的研究目標(biāo)是基于注意力缺陷多動障礙的高維影像數(shù)據(jù),注意力缺陷多動障礙（Attention Deficit Hyperactivity Disorder,ADHD）也叫少兒多動癥,是最常見的兒童疾病之一,可以持續(xù)到個人發(fā)育的青春期和成年,癥狀包括難以集中注意力,難以控制行為和活動過度。近年來,在對該病癥的影像數(shù)據(jù)的研究中,傳統(tǒng)的統(tǒng)計方法直接將成像數(shù)據(jù)向量化后會得到超高的維數(shù),這種向量化會對成像數(shù)據(jù)結(jié)構(gòu)造成嚴(yán)重的破壞,忽視了數(shù)據(jù)的結(jié)構(gòu)依賴性,從而損失很多重要的結(jié)構(gòu)信息,因此該類數(shù)據(jù)的處理對經(jīng)典統(tǒng)計方法提出了前所未有的挑戰(zhàn)。本文所用的實驗數(shù)據(jù)ADHD-200是注意缺陷多動障礙的核磁共振影像（MRI）數(shù)據(jù),基于此數(shù)據(jù)提出了一種多維度分割的數(shù)據(jù)預(yù)處理方法,結(jié)合隨機森林分類方法對分割后的數(shù)據(jù)進(jìn)行分類,然后再根據(jù)提出的多維度集成算法進(jìn)行分類和目標(biāo)檢測任務(wù)。主要完成了提高診斷正確率、病變區(qū)域檢測和閾值選... 

【文章來源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：48 頁

【學(xué)位級別】：碩士

【部分圖文】：

MRI數(shù)據(jù)的整體三維呈現(xiàn)效果圖

蘭州大學(xué)碩士學(xué)位論文基于隨機森林算法的兒童注意缺陷多動障礙檢測和分類圖2-2沿冠狀面所得切片的可視化效果圖2.2多維度切片的數(shù)據(jù)預(yù)處理方法2.2.1多維度切片方法本文所用數(shù)據(jù)集中的每一個樣本都有著獨特的三維結(jié)構(gòu)，如果將該結(jié)構(gòu)的樣本直接輸入計算機內(nèi)進(jìn)行處理，將會得超高維的數(shù)組，這使得數(shù)據(jù)處理的實際操作過程面臨巨大的挑戰(zhàn)。另外，傳統(tǒng)的機器學(xué)習(xí)算法和深度學(xué)習(xí)算法都是以二維數(shù)據(jù)為主要研究對象，而現(xiàn)有方法對三維數(shù)據(jù)的直接應(yīng)用也充滿了局限性。而且就計算機存儲而言，單個樣本在計算機中的內(nèi)存大概為8M，當(dāng)所有數(shù)據(jù)導(dǎo)入運行設(shè)備中后對設(shè)備的存儲和計算性能也有很高的要求。另外，眾所周知的是當(dāng)樣本量足夠時，模型的訓(xùn)練效果才能得到保證，然而該數(shù)據(jù)集中所包含樣本總量不超過1000，而在子數(shù)據(jù)集的研究中單個數(shù)據(jù)集KKI的樣本量還不超過100，樣本量不充足這一原因也對模型的訓(xùn)練效果造成了巨大的隱患�；趯σ陨蠁栴}的思考，本文考慮從每一個樣本的內(nèi)部信息入手，充分利用樣本三個維度下的每一張切片所包含的數(shù)據(jù)信息，所以對每一個樣本進(jìn)行如下操作：基于3DMRI數(shù)據(jù)的結(jié)構(gòu)特性，分別某一樣本的冠狀面、矢狀面和橫斷面進(jìn)行一次切割，進(jìn)而會得到相應(yīng)截面方向上的三種不同視角下的腦部切片。正如圖2-3所示，x軸代表矢狀面方向，在該方向上切割會得到121張圖像切片，而產(chǎn)生的圖片尺寸為145*121；y軸代表冠狀面方向，在該方向上切割會得到145張圖像切片，而產(chǎn)生的圖片尺寸為121*121；z軸代表橫斷面方向，在該方向上切割會得到121張圖像10

蘭州大學(xué)碩士學(xué)位論文基于隨機森林算法的兒童注意缺陷多動障礙檢測和分類切片，而產(chǎn)生的圖片尺寸為121*145；其中左邊圖像表示大腦冠狀面方向上按照從前向后的順序計數(shù)，第66張切片的截面示意圖；中間圖像表示大腦的矢狀面方向上按照從左向右的順序計數(shù)，第56張切片的截面示意圖；右邊圖像表示大腦橫斷面方向上按照從上向下的順序計數(shù)，第76張切片的截面示意圖。圖2-3不同維度下切片的可視化效果圖同時，如果在固定的任意一個方向上連續(xù)切割，則會得到在這一視角下，大腦不同位置的連續(xù)的CT圖像。以某一樣本的冠狀面為例，在這一視角下連續(xù)切割會產(chǎn)生總計145張尺寸為121*121的圖像切片。y軸表示該方向為冠狀面，左下角數(shù)字表示按照從前向后的順序進(jìn)行切分而得到的對應(yīng)切片的序號。其中左邊圖像表示大腦冠狀面方向上第36張切片的截面示意圖，中間圖像表示大腦的冠狀面方向上第66張切片的截面示意圖，右邊圖像表示大腦冠狀面方向上第86張切片的截面示意圖。對于其他截面方向上的切割處理，操作也是如此。圖2-4同一維度下不同位置的切片的可視化效果圖以上步驟展示了單個樣本在多種視角下的切分結(jié)果，接下來本文將對包括訓(xùn)練11

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)大腦情感學(xué)習(xí)算法的有效數(shù)據(jù)分類（英文）[J]. 梅英,譚冠政.  Journal of Central South University. 2018(05)



本文編號：2967607