【摘要】：探索不同腦區(qū)之間的功能交互可以更好地理解神經(jīng)學(xué)疾病的病理學(xué)基礎(chǔ)。腦網(wǎng)絡(luò)作為其功能交互的一個(gè)重要表示,已經(jīng)被廣泛應(yīng)用于神經(jīng)退化性疾病的診斷和分類。然而,傳統(tǒng)的功能連接網(wǎng)絡(luò)大多是基于不同腦區(qū)之間的兩兩相關(guān)得到的,而忽視了它們之間的高階關(guān)系。之前有研究提出構(gòu)建超網(wǎng)絡(luò)的方法,超網(wǎng)絡(luò)的構(gòu)建可以有效地表示多個(gè)腦區(qū)之間的交互作用。然而這種方法由于特征提取部分提取局部腦區(qū)指標(biāo)作為特征,忽視了全局的拓?fù)湫畔?繼而影響網(wǎng)絡(luò)拓?fù)涞脑u(píng)估,降低分類器的性能。研究表明,子圖特征正好可以彌補(bǔ)這一缺陷。然而,子圖特征對(duì)于單個(gè)腦區(qū)的變化不敏感。鑒于無論是腦區(qū)特征還是子圖特征都會(huì)造成信息的丟失。本文提出了一種基于多特征融合的超網(wǎng)絡(luò)功能磁共振影像數(shù)據(jù)阿爾茲海默癥分類研究方法。該方法將腦區(qū)特征和子圖特征進(jìn)行融合,并采用基于多核支持向量機(jī)分類器進(jìn)行分類。本文在可以反應(yīng)多個(gè)腦區(qū)之間交互作用的同時(shí),既不丟失網(wǎng)絡(luò)的全局拓?fù)湫畔?又不失對(duì)單個(gè)腦區(qū)變化的敏感性。為了驗(yàn)證本文所提出的方法,首先選取28例正常被試和38例阿爾茲海默癥患者進(jìn)行實(shí)驗(yàn),研究結(jié)果證明,本文所提出的方法獲得令人滿意的分類性能,其中準(zhǔn)確率平均可達(dá)91.60%。獲得的異常區(qū)域包括雙側(cè)楔前葉,右側(cè)海馬旁回,右側(cè)海馬,右側(cè)后扣帶回皮質(zhì)等重要的阿爾茲海默癥病發(fā)區(qū)域。此外,為了證明本文提出的方法的穩(wěn)定性,本文又在公開的ADNI數(shù)據(jù)集上進(jìn)行研究,結(jié)果表明,該基于多特征融合的超網(wǎng)絡(luò)功能磁共振影像數(shù)據(jù)阿爾茲海默癥分類研究方法獲得了較好的分類性能。本文的主要?jiǎng)?chuàng)新工作在于:第一,基于超網(wǎng)絡(luò)模型,采用子圖特征進(jìn)行分類。在超網(wǎng)絡(luò)構(gòu)建完成之后,將超邊作為子圖特征,采用頻繁分?jǐn)?shù)特征選擇算法選取子圖特征,采用基于圖核的分類算法進(jìn)行分類。采用子圖特征分類的優(yōu)勢(shì)在于,其可以彌補(bǔ)腦區(qū)特征丟失的拓?fù)湫畔�。且結(jié)果證明,子圖特征善于發(fā)現(xiàn)異常腦區(qū)之間的連接模式。第二,基于超網(wǎng)絡(luò)模型,采用多特征融合的分類方法。將兩種不同類型的特征進(jìn)行融合,采用多核支持向量機(jī)進(jìn)行分類。多特征融合的優(yōu)勢(shì)在于同時(shí)擁有兩種不同類型的優(yōu)勢(shì),既可以保證對(duì)單個(gè)腦區(qū)的敏感性,又不丟失網(wǎng)絡(luò)的全局拓?fù)鋵傩�。�?shí)驗(yàn)結(jié)果也證明,從敏感性,特異性,準(zhǔn)確性,AUC值及Reflief權(quán)重等多個(gè)角度而言,采用多特征融合分類確實(shí)優(yōu)于單特征分類。第三,針對(duì)阿爾茲海默癥患者,分別采取不同的特征提取方法進(jìn)行分類,對(duì)比分析不同特征選擇方法對(duì)于分類結(jié)果的影響。本文對(duì)比了僅采用腦區(qū)特征,僅采用子圖特征,采用多特征融合三種不同的特征提取方法進(jìn)行分類的結(jié)果,從而證明采用多特征融合方法進(jìn)行分類的優(yōu)越性。為了驗(yàn)證本文所提出的基于多特征融合的超網(wǎng)絡(luò)功能磁共振影像阿爾茲海默癥分類方法的穩(wěn)定性和魯棒性,在公開的阿爾茲海默癥數(shù)據(jù)集上進(jìn)行了驗(yàn)證。
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：R749.16;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張帆;陳俊杰;郭浩;;基于腦功能超網(wǎng)絡(luò)的多特征融合分類方法[J];計(jì)算機(jī)工程與應(yīng)用;年期

2 劉杰;;一種基于多特征融合的自適應(yīng)目標(biāo)跟蹤策略[J];大眾科技;2016年11期

3 劉紅;王曄;雷長海;;基于多特征融合的中醫(yī)舌像檢索研究[J];計(jì)算機(jī)應(yīng)用研究;2010年02期

4 王益堯;;基于多特征融合問句理解問答系統(tǒng)研究[J];數(shù)據(jù)通信;2018年02期

5 李志欣;李艷紅;張燦龍;;一種多特征融合的場(chǎng)景分類方法[J];小型微型計(jì)算機(jī)系統(tǒng);2018年05期

6 霍富功;王詩琴;;基于多特征融合的轉(zhuǎn)移粒子濾波紅外小目標(biāo)跟蹤算法研究[J];信息與電腦(理論版);2018年12期

7 蔣曉玲;章慧;;基于多特征融合的激光醫(yī)學(xué)圖像拼接[J];激光雜志;2015年12期

8 孫汝星;范榮雙;;基于支持向量機(jī)的多特征融合影像云檢測(cè)[J];測(cè)繪與空間地理信息;2018年06期

9 喬瑞萍;孫賀;董員臣;王方;;基于多特征融合的井蓋檢測(cè)系統(tǒng)實(shí)現(xiàn)[J];電子技術(shù)應(yīng)用;2018年06期

10 顧鑫;李U

本文編號(hào)：2786552