近年來,隨著醫(yī)學(xué)成像技術(shù)的發(fā)展,機(jī)器學(xué)習(xí)方法與腦影像結(jié)合,用于尋找對(duì)腦疾病敏感的生物標(biāo)記物,并輔助腦疾病的診斷,已經(jīng)成為一個(gè)新的研究熱點(diǎn)。多模態(tài)的醫(yī)學(xué)影像為腦疾病的診斷提供了豐富的信息。本文基于多模態(tài)的醫(yī)學(xué)影像,通過不同的模態(tài)融合方法充分挖掘模態(tài)特有的信息以及模態(tài)之間的相關(guān)信息,從而進(jìn)行特征選擇及分類。超圖模型是普通圖在拓?fù)浣Y(jié)構(gòu)上的一種泛化,克服了普通圖在復(fù)雜關(guān)系表示上的缺陷,能夠很好地刻畫高階關(guān)系。本文重點(diǎn)關(guān)注超圖在多模態(tài)影像分析中的應(yīng)用,主要工作和創(chuàng)新點(diǎn)如下:首先,提出一種基于超圖的多模態(tài)特征選擇算法。具體來說,把每個(gè)模態(tài)上的特征選擇看作是一個(gè)任務(wù),利用多任務(wù)學(xué)習(xí)框架來進(jìn)行聯(lián)合特征選擇,充分利用模態(tài)之間的相關(guān)信息,通過組稀疏正則化可以保證不同模態(tài)的同一腦區(qū)同時(shí)被選中。進(jìn)一步地,通過加入超圖拉普拉斯正則化項(xiàng)來更好地利用樣本之間的高階復(fù)雜關(guān)系。基于選擇好的特征,采用多核支持向量機(jī)來進(jìn)行分類,實(shí)驗(yàn)結(jié)果表明,提出的方法有助于選擇出更具有判別性的特征,從而提高分類性能。另外,多模態(tài)影像之間不一定是線性相關(guān)的關(guān)系,因此,提出一種基于圖擴(kuò)散的多模態(tài)非線性融合方法。在每個(gè)模態(tài)上分別建一個(gè)圖,通過不...

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
注釋表
縮略表
第一章 緒論
    1.1 問題提出與研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 多模態(tài)特征選擇算法
        1.2.2 多模態(tài)融合算法
        1.2.3 多模態(tài)分類算法
        1.2.4 圖與超圖學(xué)習(xí)
    1.3 本文的主要工作及內(nèi)容安排
第二章 相關(guān)背景知識(shí)
    2.1 引言
    2.2 超圖的基本概念
    2.3 超圖的學(xué)習(xí)方法
        2.3.1 星形擴(kuò)展法
        2.3.2 連通分量擴(kuò)展
        2.3.3 Bolla拉普拉斯算子
        2.3.4 Rodriguez拉普拉斯算子
        2.3.5 Zhou歸一化拉普拉斯算子
        2.3.6 Gibson動(dòng)態(tài)系統(tǒng)
        2.3.7 Li鄰接矩陣
    2.4 超圖的應(yīng)用
        2.4.1 超圖正則化
        2.4.2 基于超圖的半監(jiān)督學(xué)習(xí)
    2.5 本章小結(jié)
第三章 基于超圖的多模態(tài)特征選擇算法
    3.1 引言
    3.2 方法框架
        3.2.1 多任務(wù)特征選擇
        3.2.2 超圖的構(gòu)建
        3.2.3 基于超圖的多模態(tài)特征選擇算法
        3.2.4 優(yōu)化算法
        3.2.5 多核支持向量機(jī)
    3.3 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        3.3.1 ADNI數(shù)據(jù)集
        3.3.2 圖像預(yù)處理與特征提取
        3.3.3 實(shí)驗(yàn)設(shè)置
        3.3.4 分類結(jié)果評(píng)估指標(biāo)
        3.3.5 分類結(jié)果分析
        3.3.6 判別性腦區(qū)
        3.3.7 參數(shù)影響
    3.4 本章小結(jié)
第四章 基于圖擴(kuò)散的直推式超圖學(xué)習(xí)算法
    4.1 引言
    4.2 算法框架
        4.2.1 圖擴(kuò)散算法
        4.2.2 超圖的構(gòu)建
        4.2.3 直推式超圖分類方法
    4.3 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        4.3.1 數(shù)據(jù)集介紹
        4.3.2 數(shù)據(jù)采集及特征提取
        4.3.3 實(shí)驗(yàn)設(shè)置
        4.3.4 實(shí)驗(yàn)結(jié)果分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 未來的工作展望
參考文獻(xiàn)
致謝
在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文



本文編號(hào)：3826380