阿爾茨海默癥（Alzheimer’s Disease,AD）由于發(fā)病隱匿、治療手段稀少,居于社會疾病負擔(dān)之首。了解AD患者的腦區(qū)狀態(tài)對認識疾病原理、預(yù)防病情發(fā)展極為重要。目前,常用的腦分區(qū)模板如AAL分區(qū)、BA分區(qū)是根據(jù)細胞的解剖結(jié)構(gòu)劃分的,用其進行腦功能分析缺乏功能特異性描述,會帶來一些誤差甚至錯誤結(jié)論,而腦功能分區(qū)可避免以上問題。靜息態(tài)功能磁共振成像（resting-state functional Magnetic Resonance Imaging,rs-fMRI）能夠揭示大腦的自發(fā)活動規(guī)律和連接模式,是研究AD腦區(qū)狀態(tài)的主要成像方式。將腦按層級進行功能分區(qū)實質(zhì)上屬于腦體素的層次聚類問題,BIRCH算法是一種基于距離的凝聚型層次聚類方法,適用于具有較大數(shù)據(jù)量的rs-fMRI數(shù)據(jù),而且時間復(fù)雜度低,占用內(nèi)存少。因此,本文提出基于改進BIRCH算法的AD患者rs-fMRI數(shù)據(jù)的腦功能分區(qū)方法,該算法的核心是聚類特征樹（CF-Tree）的構(gòu)建。BIRCH算法CF-Tree的構(gòu)建由分支因子B和閾值T兩個重要參數(shù)決定,B決定樹的高度和大小,T控制聚類簇的邊界。因此,本文對算法的重要參數(shù)進... 

【文章來源】：河北大學(xué)河北省

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

腦功能分區(qū)算法的分類示意圖

第二章聚類算法相關(guān)理論9第二章聚類算法相關(guān)理論2.1聚類算法的分類與原理狹義上的聚類被稱為無監(jiān)督學(xué)習(xí)。對一群無標簽的數(shù)據(jù)劃分時，事先不知道這些數(shù)據(jù)會分成幾類，只知道他們的某些特征，然后根據(jù)計算這些特征之間的特定標準（比如距離度量）將相似性高的數(shù)據(jù)分到一起，就是聚類。聚類的目的是讓同一個簇的數(shù)據(jù)盡可能的相似，同時讓不同簇的數(shù)據(jù)盡可能的有差異。聚類算法一般分為：劃分聚類、密度聚類、網(wǎng)格聚類、模型聚類、層次聚類等，如圖2-1所示。圖2-1聚類算法的劃分2.1.1基于劃分的聚類劃分聚類的原理簡單來說就是：有一堆數(shù)據(jù)需要聚類，首先要知道想把這些數(shù)據(jù)劃分成幾堆，然后在每個類挑選幾個點作為初始中心，接下來根據(jù)選定的算法對數(shù)據(jù)點不斷地迭代重置，直到最后得到的類使得類內(nèi)點的距離足夠近，類間的點距離足夠遠，完成最終劃分[29]。根據(jù)劃分的思想，形成了k-means、k-modes、k-medoids等算法。通過k-means算法進行介紹，k-means算法是依據(jù)對象之間的歐氏距離作為相似性度量把n個對象聚集到預(yù)先設(shè)定的k個簇中[30]。假設(shè)數(shù)據(jù)集X中包含n個對象，即nX,...,,,xxxx321，其中每個對象都具有m個維度。圖2-2是經(jīng)典的k-means算法步驟。

河北大學(xué)碩士學(xué)位論文14離；第二步將距離最小的兩個簇元素B和元素C凝聚為一個簇；第三步將距離最小的兩個簇元素D和元素E凝聚為一個簇；第四步重新計算新簇與所有簇之間的距離，將ABC凝聚為一個簇；最后將所有元素凝聚為一個簇。分裂方法與凝聚方法的過程正好相反。圖2-6凝聚方法與分裂方法的基本流程圖層次聚類中計算兩個組合數(shù)據(jù)點之間的距離常用的有單一連接（SingleLinkage），完全連接（CompleteLinkage），平均連接（AverageLinkage），其中平均連接法因為其良好的單調(diào)性，空間擴張或濃縮的程度適中是最常用的方法。除此之外，還有一些新的距離度量，比如“ward”離差平方和方法。層次聚類的原理簡單且容易理解，不用提前設(shè)置聚類的數(shù)目，計算效率快并且能研究不同層次不同粒度的聚類情況，相比于其他聚類算法，更適合腦分區(qū)。層次聚類算法中比較常用的算法有BIRCH、CURE、ROCK、CHAMELEON。其中，綜合效果較好的，速度快且可以增量聚類的算法是BIRCH算法。2.2BIRCH聚類算法的建立BIRCH算法在1996年由TianZhang等人[34]提出，大多數(shù)聚類算法通常會有伸縮性不好并且需要輸入集群數(shù)量的缺陷，而BIRCH算法的伸縮性好且可以不輸入簇數(shù)。當(dāng)給定一組非常大的多維數(shù)據(jù)點時，數(shù)據(jù)點通常是不均勻的占用數(shù)據(jù)空間，所以對聚類過

【參考文獻】：
期刊論文
[1]聚類分析算法的分析與評價[J]. 李芝峰,張妍.  電子技術(shù)與軟件工程. 2019(07)
[2]女性阿爾茨海默病患者靜息態(tài)功能磁共振圖像FC分析[J]. 鄭偉,王軒,劉敬,趙杰.  河北大學(xué)學(xué)報(自然科學(xué)版). 2018(05)
[3]中國老年癡呆的現(xiàn)狀、面臨的問題及對策[J]. 劉煜敏.  中國社會工作. 2018(14)
[4]阿爾茨海默病腦功能磁共振功能成像研究進展[J]. 白彥昌,賈艷麗,宋亞雪,王建華.  神經(jīng)藥理學(xué)報. 2017(03)
[5]基于極值特征的雷達偵察數(shù)據(jù)BIRCH聚類方法[J]. 張宇.  電子設(shè)計工程. 2016(09)
[6]基于最小生成樹的層次K-means聚類算法[J]. 賈瑞玉,李振.  微電子學(xué)與計算機. 2016(03)
[7]腦功能成像fMRI技術(shù)的研究[J]. 崔艷玲,李玉霞,王冬,于延.  民營科技. 2015(09)
[8]腦研究的進展、挑戰(zhàn)與機遇[J]. 龍程.  華南師范大學(xué)學(xué)報(自然科學(xué)版). 2013(06)
[9]阿爾茨海默病的靜息態(tài)功能磁共振成像低頻振幅研究[J]. 趙彬,商秀麗,何志義,范國光,劉虎.  中國醫(yī)科大學(xué)學(xué)報. 2012(04)
[10]腦功能磁共振成像技術(shù)在阿爾茨海默病中的應(yīng)用[J]. 林翠茹,周智梁,周黎,張玉蓮.  天津醫(yī)藥. 2010(11)

博士論文
[1]基于群智能算法的人腦功能劃分方法研究[D]. 趙學(xué)武.北京工業(yè)大學(xué) 2018
[2]基于靜息態(tài)fMRI中超體素的全腦分割研究[D]. 王敬.東南大學(xué) 2018
[3]基于局部中心量度的聚類算法研究[D]. 王志強.華南理工大學(xué) 2018
[4]密度峰值聚類算法研究[D]. 杜明晶.中國礦業(yè)大學(xué) 2018
[5]旁海馬組織腦網(wǎng)絡(luò)圖譜研究[D]. 卓俊杰.電子科技大學(xué) 2016

碩士論文
[1]基于鏈接改進的BIRCH算法的研究與應(yīng)用[D]. 陳婧文.吉林大學(xué) 2019
[2]基于Spark平臺的大數(shù)據(jù)聚類算法研究及其應(yīng)用[D]. 劉磊.南京郵電大學(xué) 2018
[3]Reho和VMHC方法在腦成像數(shù)據(jù)分析中的應(yīng)用[D]. 康彩麗.湖南師范大學(xué) 2017
[4]基于ALFF與圖論分析法的靜息態(tài)功能磁共振成像在無灶性癲癇患者中的應(yīng)用研究[D]. 陳彤.蘇州大學(xué) 2017
[5]基因表達譜數(shù)據(jù)分析方法研究與應(yīng)用[D]. 李正軍.南京林業(yè)大學(xué) 2016
[6]靜息態(tài)功能磁共振（RS-fMRI）信號數(shù)據(jù)處理與統(tǒng)計分析軟件開發(fā)[D]. 高中展.杭州師范大學(xué) 2016
[7]改進的BIRCH算法在電信客戶細分中的應(yīng)用[D]. 楊曉斌.合肥工業(yè)大學(xué) 2015
[8]阿爾茨海默病靜息態(tài)功能磁共振研究[D]. 買金花.北京中醫(yī)藥大學(xué) 2014
[9]漢語學(xué)習(xí)平臺中基于BIRCH聚類的用戶個人信息分組算法研究[D]. 王旭.吉林大學(xué) 2011
[10]層次聚類中類間距離新定義[D]. 葉劍俊.浙江大學(xué) 2009



本文編號：3356185