發(fā)布時(shí)間：2017-06-13 23:03

  本文關(guān)鍵詞：基于EM算法的醫(yī)學(xué)影像數(shù)據(jù)的分類研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,數(shù)據(jù)挖掘領(lǐng)域中的模式識(shí)別方法已廣泛地應(yīng)用于功能磁共振(fMRI)數(shù)據(jù)的研究中。本文以fMRI數(shù)據(jù)為基礎(chǔ),對(duì)69名精神分裂癥患者和62名正常人進(jìn)行判別分析。不同以往的研究中使用LDA、ICA、參數(shù)T檢驗(yàn)等方法挑選顯著特征,本文使用EM算法挑顯著特征。在分類器的選擇上,本文使用的是應(yīng)用較為廣泛、有較好的分類效果的支持向量機(jī)(SVM)分類器。基本思路如下：首先依照AAL模板將人腦劃分為90個(gè)分區(qū),將這些區(qū)域fMRI平均時(shí)間序列兩兩之間的相關(guān)系數(shù)通過Fisher's r-to-z變換轉(zhuǎn)換成z值,使用EM算法挑差異最顯著的前20條特征,從而找到異常的腦區(qū)。然后分別使用EM算法與雙樣本T檢驗(yàn)挑選顯著的特征,用SVM分類器分類,比較應(yīng)用這兩種挑顯著特征的方法進(jìn)行分類的效果。最后通過置換檢驗(yàn)構(gòu)造置信區(qū)間判斷分類結(jié)果的可靠性。結(jié)果顯示：精神分裂癥異常的腦區(qū)主要位于默認(rèn)網(wǎng)絡(luò),與注意、感覺、聽覺相關(guān)的網(wǎng)絡(luò)。這些腦區(qū)包括額下回、顳橫回、楔葉、內(nèi)側(cè)和旁扣帶腦回、額上回、丘腦等腦區(qū)。這些腦區(qū)對(duì)應(yīng)著病人與正常人腦區(qū)之間的顯著性差異,這為精神分裂癥的病理研究提供了一定的理論依據(jù),對(duì)輔助醫(yī)生進(jìn)行醫(yī)學(xué)臨床診斷具有現(xiàn)實(shí)意義。用EM算法挑特征分類的最高準(zhǔn)確率為76.3%,用雙樣本T檢驗(yàn)挑特征分類的最高準(zhǔn)確率為74.8%。
【關(guān)鍵詞】：功能磁共振數(shù)據(jù) 判別分析 EM算法 支持向量機(jī)
【學(xué)位授予單位】：湖南師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP181;R445.2;R338
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 1. 緒論9-13
• 1.1 引言9-10
• 1.2 基于靜息態(tài)fMRI數(shù)據(jù)的分類研究現(xiàn)狀10-11
• 1.3 EM算法的研究現(xiàn)狀11
• 1.4 本文的創(chuàng)新點(diǎn)11-12
• 1.5 本文內(nèi)容框架12-13
• 2. 數(shù)據(jù)及其預(yù)處理13-15
• 2.1 被試資料13
• 2.2 數(shù)據(jù)采集13
• 2.3 數(shù)據(jù)預(yù)處理13-15
• 3. 本文理論方法介紹15-21
• 3.1 功能連接的計(jì)算15
• 3.2 K-S檢驗(yàn)15-16
• 3.3 EM算法(二分量混合模型)16-18
• 3.4 雙樣本T檢驗(yàn)18
• 3.5 支持向量機(jī)18-19
• 3.6 留一交叉驗(yàn)證19
• 3.7 分類性能度量19-20
• 3.8 置換檢驗(yàn)(Permutation Test)20-21
• 4. 結(jié)果分析21-29
• 4.1 態(tài)性檢驗(yàn)21-23
• 4.2 參數(shù)估計(jì)結(jié)果23-26
• 4.2.1 混合正態(tài)分布23
• 4.2.2 特征選取23-26
• 4.3 分類結(jié)果26-27
• 4.4 置換檢驗(yàn)27-29
• 5. 總結(jié)29-31
• 參考文獻(xiàn)31-35
• 致謝35-37

  本文關(guān)鍵詞：基于EM算法的醫(yī)學(xué)影像數(shù)據(jù)的分類研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：447796