發(fā)布時(shí)間：2021-08-21 19:17

　　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(huì)疾病負(fù)擔(dān)之首。了解AD患者的腦區(qū)狀態(tài)對(duì)認(rèn)識(shí)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(xì)胞的解剖結(jié)構(gòu)劃分的,用其進(jìn)行腦功能分析缺乏功能特異性描述,會(huì)帶來(lái)一些誤差甚至錯(cuò)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(dòng)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(jí)進(jìn)行功能分區(qū)實(shí)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(shí)間復(fù)雜度低,占用內(nèi)存少。因此,本文提出基于改進(jìn)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(gè)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(duì)算法的重要參數(shù)進(jìn)... 

【文章來(lái)源】：河北大學(xué)河北省

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)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(wú)監(jiān)督學(xué)習(xí)。對(duì)一群無(wú)標(biāo)簽的數(shù)據(jù)劃分時(shí)，事先不知道這些數(shù)據(jù)會(huì)分成幾類，只知道他們的某些特征，然后根據(jù)計(jì)算這些特征之間的特定標(biāo)準(zhǔn)（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(gè)簇的數(shù)據(jù)盡可能的相似，同時(shí)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(jiǎn)單來(lái)說(shuō)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(gè)類挑選幾個(gè)點(diǎn)作為初始中心，接下來(lái)根據(jù)選定的算法對(duì)數(shù)據(jù)點(diǎn)不斷地迭代重置，直到最后得到的類使得類內(nèi)點(diǎn)的距離足夠近，類間的點(diǎn)距離足夠遠(yuǎn)，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(jìn)行介紹，k-means算法是依據(jù)對(duì)象之間的歐氏距離作為相似性度量把n個(gè)對(duì)象聚集到預(yù)先設(shè)定的k個(gè)簇中[30]。假設(shè)數(shù)據(jù)集X中包含n個(gè)對(duì)象，即nX,...,,,xxxx321，其中每個(gè)對(duì)象都具有m個(gè)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(gè)簇元素B和元素C凝聚為一個(gè)簇；第三步將距離最小的兩個(gè)簇元素D和元素E凝聚為一個(gè)簇；第四步重新計(jì)算新簇與所有簇之間的距離，將ABC凝聚為一個(gè)簇；最后將所有元素凝聚為一個(gè)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(jì)算兩個(gè)組合數(shù)據(jù)點(diǎn)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?yàn)槠淞己玫膯握{(diào)性，空間擴(kuò)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(jiǎn)單且容易理解，不用提前設(shè)置聚類的數(shù)目，計(jì)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(huì)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?cái)?shù)。當(dāng)給定一組非常大的多維數(shù)據(jù)點(diǎn)時(shí)，數(shù)據(jù)點(diǎn)通常是不均勻的占用數(shù)據(jù)空間，所以對(duì)聚類過

【參考文獻(xiàn)】：
期刊論文
[1]聚類分析算法的分析與評(píng)價(jià)[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(bào)(自然科學(xué)版). 2018(05)
[3]中國(guó)老年癡呆的現(xiàn)狀、面臨的問題及對(duì)策[J]. 劉煜敏.  中國(guó)社會(huì)工作. 2018(14)
[4]阿爾茨海默病腦功能磁共振功能成像研究進(jìn)展[J]. 白彥昌,賈艷麗,宋亞雪,王建華.  神經(jīng)藥理學(xué)報(bào). 2017(03)
[5]基于極值特征的雷達(dá)偵察數(shù)據(jù)BIRCH聚類方法[J]. 張宇.  電子設(shè)計(jì)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(jì)算機(jī). 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(yíng)科技. 2015(09)
[8]腦研究的進(jìn)展、挑戰(zhàn)與機(jī)遇[J]. 龍程.  華南師范大學(xué)學(xué)報(bào)(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(guó)光,劉虎.  中國(guó)醫(yī)科大學(xué)學(xué)報(bào). 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(qiáng).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(guó)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(jìn)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(tái)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(wú)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(dá)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(hào)數(shù)據(jù)處理與統(tǒng)計(jì)分析軟件開發(fā)[D]. 高中展.杭州師范大學(xué) 2016
[7]改進(jìn)的BIRCH算法在電信客戶細(xì)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(yǔ)學(xué)習(xí)平臺(tái)中基于BIRCH聚類的用戶個(gè)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(hào)：3356185