基于結(jié)構磁共振成像的自閉癥預測研究
發(fā)布時間:2024-04-13 05:33
自閉癥(Autism spectrum disorder,ASD)是一種高度異質(zhì)性的神經(jīng)發(fā)育疾病,嚴重影響患者的正常生活。目前對ASD的臨床診斷主要依據(jù)行為量表,具有一定的主觀性。結(jié)構磁共振成像數(shù)據(jù)能夠為ASD診斷提供客觀依據(jù),基于結(jié)構磁共振圖像尋找到能夠識別ASD的腦結(jié)構生物標記,有助于改善ASD的客觀輔助診斷和理解其神經(jīng)生物學機制。本文使用自閉癥腦成像數(shù)據(jù)交換(Autism brain imaging data exchange,ABIDE)數(shù)據(jù)集的結(jié)構磁共振成像數(shù)據(jù),從形態(tài)特征和灰質(zhì)紋理特征兩方面進行了 ASD定性預測研究,另外還基于形態(tài)特征進行了 ASD嚴重程度的定量預測研究。具體工作內(nèi)容如下:(1)本文提取了體積和皮層厚度形態(tài)特征,分別基于單中心和多中心數(shù)據(jù)集進行了 ASD定性預測研究。首先利用t檢驗選擇與ASD顯著相關的特征,然后利用支持向量機對多個單中心數(shù)據(jù)集進行ASD預測,準確率大部分都在70%以上。為了進一步提升預測性能,提出了一種利用多核支持向量機融合皮層曲率和體積、皮層厚度兩類形態(tài)特征的新方法,由于能利用互補信息,對NYU中心的ASD預測準確率達到79.46%,相...
【文章頁數(shù)】:70 頁
【學位級別】:碩士
【文章目錄】:
致謝
摘要
ABSTRACT
1 引言
1.1 自閉癥簡介
1.2 結(jié)構磁共振成像技術
1.3 基于結(jié)構磁共振成像的自閉癥預測的研究意義
1.4 基于結(jié)構磁共振成像的自閉癥預測的研究現(xiàn)狀
1.5 目前研究存在的問題
1.6 論文研究內(nèi)容與組織安排
2 基于形態(tài)特征的自閉癥預測
2.1 引論
2.2 數(shù)據(jù)集
2.3 形態(tài)特征的提取
2.4 基于t檢驗的特征選擇
2.5 構建預測模型
2.5.1 基于支持向量機的預測模型
2.5.2 基于多核支持向量機的預測模型
2.5.3 基于協(xié)同訓練的預測模型
2.6 研究結(jié)果與討論
2.6.1 基于單中心數(shù)據(jù)的結(jié)果
2.6.2 基于多中心數(shù)據(jù)的結(jié)果
2.7 本章小結(jié)
3 基于灰質(zhì)圖像紋理特征的自閉癥預測
3.1 引論
3.2 數(shù)據(jù)集及預處理
3.3 基于灰質(zhì)圖像紋理特征的自閉癥預測方法
3.3.1 方法概述
3.3.2 子塊劃分與提取
3.3.3 基于獨立成分分析提取特征模型
3.3.4 特征選擇與構建預測模型
3.4 研究結(jié)果與討論
3.4.1 子塊數(shù)量對結(jié)果的影響
3.4.2 獨立成分數(shù)量對結(jié)果的影響
3.5 本章小結(jié)
4 基于區(qū)域及區(qū)域間形態(tài)特征的自閉癥嚴重程度預測
4.1 引論
4.2 數(shù)據(jù)集及自閉癥嚴重性分數(shù)的獲取
4.3 區(qū)域及區(qū)域間形態(tài)特征的提取
4.4 基于支持向量回歸的預測模型
4.5 結(jié)合區(qū)域及區(qū)域間形態(tài)特征的預測方法
4.6 研究結(jié)果與討論
4.6.1 基于區(qū)域形態(tài)特征的結(jié)果
4.6.2 基于區(qū)域間形態(tài)特征的結(jié)果
4.6.3 結(jié)合區(qū)域及區(qū)域間形態(tài)特征的結(jié)果
4.6.4 結(jié)果討論
4.7 本章小結(jié)
5 總結(jié)與展望
5.1 論文的主要工作成果
5.2 進一步的工作展望
參考文獻
作者簡歷及攻讀碩士學位期間取得的研究成果
學位論文數(shù)據(jù)集
本文編號:3952556
【文章頁數(shù)】:70 頁
【學位級別】:碩士
【文章目錄】:
致謝
摘要
ABSTRACT
1 引言
1.1 自閉癥簡介
1.2 結(jié)構磁共振成像技術
1.3 基于結(jié)構磁共振成像的自閉癥預測的研究意義
1.4 基于結(jié)構磁共振成像的自閉癥預測的研究現(xiàn)狀
1.5 目前研究存在的問題
1.6 論文研究內(nèi)容與組織安排
2 基于形態(tài)特征的自閉癥預測
2.1 引論
2.2 數(shù)據(jù)集
2.3 形態(tài)特征的提取
2.4 基于t檢驗的特征選擇
2.5 構建預測模型
2.5.1 基于支持向量機的預測模型
2.5.2 基于多核支持向量機的預測模型
2.5.3 基于協(xié)同訓練的預測模型
2.6 研究結(jié)果與討論
2.6.1 基于單中心數(shù)據(jù)的結(jié)果
2.6.2 基于多中心數(shù)據(jù)的結(jié)果
2.7 本章小結(jié)
3 基于灰質(zhì)圖像紋理特征的自閉癥預測
3.1 引論
3.2 數(shù)據(jù)集及預處理
3.3 基于灰質(zhì)圖像紋理特征的自閉癥預測方法
3.3.1 方法概述
3.3.2 子塊劃分與提取
3.3.3 基于獨立成分分析提取特征模型
3.3.4 特征選擇與構建預測模型
3.4 研究結(jié)果與討論
3.4.1 子塊數(shù)量對結(jié)果的影響
3.4.2 獨立成分數(shù)量對結(jié)果的影響
3.5 本章小結(jié)
4 基于區(qū)域及區(qū)域間形態(tài)特征的自閉癥嚴重程度預測
4.1 引論
4.2 數(shù)據(jù)集及自閉癥嚴重性分數(shù)的獲取
4.3 區(qū)域及區(qū)域間形態(tài)特征的提取
4.4 基于支持向量回歸的預測模型
4.5 結(jié)合區(qū)域及區(qū)域間形態(tài)特征的預測方法
4.6 研究結(jié)果與討論
4.6.1 基于區(qū)域形態(tài)特征的結(jié)果
4.6.2 基于區(qū)域間形態(tài)特征的結(jié)果
4.6.3 結(jié)合區(qū)域及區(qū)域間形態(tài)特征的結(jié)果
4.6.4 結(jié)果討論
4.7 本章小結(jié)
5 總結(jié)與展望
5.1 論文的主要工作成果
5.2 進一步的工作展望
參考文獻
作者簡歷及攻讀碩士學位期間取得的研究成果
學位論文數(shù)據(jù)集
本文編號:3952556
本文鏈接:http://sikaile.net/linchuangyixuelunwen/3952556.html
最近更新
教材專著