發(fā)布時間：2022-01-08 14:44

　　目前,孤獨癥譜系障礙（Austism Spectrum Disorder,ASD）的識別與診斷仍限于依據單純癥狀學層面的觀察與臨床醫(yī)生的經驗判斷。我國具有診斷ASD資質的醫(yī)生的數量難以滿足逐年增長的ASD患病率的臨床需求,亟需研究機器智能分析的方法來輔助ASD的臨床診斷。機器學習的方法是實現智能診斷的一種重要途徑。針對當前機器學習用于ASD智能識別存在的一些問題,例如小樣本數據上能取得很高的分類正確率而用于大樣本或跨機構數據分類正確率會顯著下降,本文以國際公開的自閉癥腦影像數據共享項目（Autism Brain Imaging Data Exchange,ABIDE）數據集為研究對象,展開ASD患者腦異常特征提取關鍵技術研究,優(yōu)化模式識別模型,提高大樣本數據的分類正確率,提高分類模型的魯棒性,實現跨機構數據樣本識別的穩(wěn)定性,為臨床診斷提供重要的參考依據。本文主要研究工作如下:（1）完成了 ABIDE I（ABIDE數據集的第I部分）中的所有被試靜息態(tài)功能核磁共振（functional Magnetic Resonance Imaging,fMRI）數據預處理這一繁瑣而又非常耗時的工作。... 

【文章來源】：南昌大學江西省 211工程院校

【文章頁數】：114 頁

【學位級別】：博士

【部分圖文】：

圖１．１?ＣＤＣ調查的ＡＳＤ發(fā)病趨勢閣??目前，ＡＳＤ的病因和發(fā)病機制尚不清楚，識別勺診斷仍限于依據單純癥狀??學層面的觀察與臨床醫(yī)生的經驗判斷｜６１

圖１．３?ＡＳＤ患者異常ＦＣ??Ｄｉ?Ｍａｒｔｉｎｏ等人的研究發(fā)現，一方面提示了使用大樣本數據能夠更加真實地??

ＢＯＬＤ－ｆＭＲＪ［ｉａ８４］。??ｆＭＲ丨一般分為任務態(tài)?ｆＭＲｌ?和靜息態(tài)?ｆＭＲｌ?（ｒｅｓｔｉｎｇ－ｓｔａｔｅ?ｆＭＲｌ，?ｒｓ－ｆＭＲＩ）。任務??態(tài)ｆＭＲ丨是指在數據采集的過程中，被試需要執(zhí)行特定的任務，例如睜眼、閉眼、??動手指或看圖片等。ｒｓ－ｆＭＲＩ是指在掃描過程中，被試安靜平躺，全身放松，頭??腦清醒且沒有接受任何外界任務刺激完成磁共振檢查形成的影像［８５］。??ｒｓ－ｆＭＲＩ反映大腦自發(fā)神經活動，有研宄表明，人腦約占體重的２％，但能??量消耗卻占２０％［８６］，圖２．１顯示了靜息態(tài)下人身體的各個部位的能量消耗情況，??其中黑色陰影表示能量消耗比重，可見人腦消耗的能量比重相當大，這也反映??了即使在靜息態(tài)的情況下，人的大腦也在進行復雜的運轉。??（Ｉ??嫌、心臟??肝臟網??圖２．１靜息態(tài)ｒ身體各部位能《；消耗情況??相比任務態(tài)ｆｔｖＩＲＩ，ｒｓ－ｆＭＲＩ不需要設計者具有較強的心理學背景，特別是??對患有精神類疾病的被試來說，更容易實施實驗。另外，不同研宄機構設計的??１３??

【參考文獻】：
期刊論文
[1]孤獨癥腦自發(fā)活動動態(tài)性及其整合的異常機制[J]. 魯彬,陳驍,李樂,沈楊千,陳寧軒,梅婷,周會霞,劉靖,嚴超贛.  科學通報. 2018(15)
[2]中心損失與Softmax損失聯合監(jiān)督下的人臉識別[J]. 余成波,田桐,熊遞恩,許琳英.  重慶大學學報. 2018(05)
[3]基于深度學習的醫(yī)學圖像識別研究進展[J]. 劉飛,張俊然,楊豪.  中國生物醫(yī)學工程學報. 2018(01)
[4]基于深度學習的醫(yī)學影像診斷綜述[J]. 張巧麗,趙地,遲學斌.  計算機科學. 2017(S2)
[5]自閉癥譜系障礙兒童自傷行為功能評估及干預的研究綜述[J]. 黎和敏,昝飛.  中國特殊教育. 2016(04)
[6]深度學習在控制領域的研究現狀與展望[J]. 段艷杰,呂宜生,張杰,趙學亮,王飛躍.  自動化學報. 2016(05)
[7]深度學習中的自編碼器的表達能力研究[J]. 王雅思,姚鴻勛,孫曉帥,許鵬飛,趙思成.  計算機科學. 2015(09)
[8]基于主成分分析和Softmax回歸模型的人臉識別方法[J]. 汪海波,陳雁翔,李艷秋.  合肥工業(yè)大學學報(自然科學版). 2015(06)
[9]深度學習及其在目標和行為識別中的新進展[J]. 鄭胤,陳權崎,章毓晉.  中國圖象圖形學報. 2014(02)
[10]深度學習的昨天、今天和明天[J]. 余凱,賈磊,陳雨強,徐偉.  計算機研究與發(fā)展. 2013(09)

博士論文
[1]基于多變量模式分析的fMRI解碼與應用研究[D]. 汪方毅.華南理工大學 2017



本文編號：3576741