阿爾茲海默�。ˋD）的患病過程不易被察覺,病程不可逆且無藥物根治,因此AD的前期診斷與預測對AD患者至關重要。隨著醫(yī)學影像的發(fā)展,AD分類也成為了研究熱點,AD分類是一種從不同的醫(yī)學影像或生物標志物中提取有效特征,并采用機器學習理論對樣本進行分類的醫(yī)療輔助診斷方法,它可以為AD的前期診斷提供幫助�，F(xiàn)有的AD分類研究多數(shù)采用單一模態(tài)的圖像,而得到的分類的準確率往往偏低,仍有大量樣本無法被正確分類。因此,本文從多種模態(tài)的影像數(shù)據(jù)出發(fā),通過特征融合充分利用各個模態(tài)之間相互補充的信息,從而全面地提取出AD的特征并用于分類。本文將整個AD分類算法分為兩步,其一是融合多個模態(tài)提取出的特征,其二是分類器的構(gòu)建與訓練。本文主要將關注點放在兩個階段的不同方法的組合上,通過實驗驗證,兩種AD分類算法都能夠取得優(yōu)異的效果。關于AD分類,本文主要對以下問題開展了深入研究:1、本文的多模態(tài)數(shù)據(jù)共包含三種模態(tài),分別為磁共振成像（MRI）、正電子發(fā)射斷層掃描（PET）和腦脊液生物標志物。首先對兩種圖像做預處理,其次對三種模態(tài)的數(shù)據(jù)分別提取有效特征是AD分類的前提。由于全腦中有些信息是和AD無關的,即存在一定的冗余信... 

【文章來源】：電子科技大學四川省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究歷史與現(xiàn)狀
    1.3 基于多模態(tài)的阿爾茲海默病分類方法研究
        1.3.1 多模態(tài)數(shù)據(jù)介紹
        1.3.2 阿爾茲海默病分類方法研究現(xiàn)狀
    1.4 本文研究內(nèi)容和組織結(jié)構(gòu)
第二章 多模態(tài)數(shù)據(jù)特征融合及分類方法概述
    2.1 引言
    2.2 多模態(tài)數(shù)據(jù)特征融合方法
        2.2.1 傳統(tǒng)特征融合方法簡介
        2.2.2 基于多核學習的特征融合
        2.2.3 迭代交叉擴散融合
    2.3 基于多模態(tài)的阿爾茲海默病分類方法
        2.3.1 多核支持向量機
        2.3.2 隨機森林分類器
    2.4 本章小結(jié)
第三章 基于多核學習的多模態(tài)阿爾茲海默病分類
    3.1 引言
    3.2 基于多核學習的多模態(tài)阿爾茲海默病分類算法框架
    3.3 多模態(tài)數(shù)據(jù)預處理
        3.3.1 MRI圖像預處理
        3.3.2 PET圖像預處理
    3.4 多模態(tài)數(shù)據(jù)特征提取和特征選擇
        3.4.1 基于AAL模板的特征提取方法
        3.4.2 基于t-test的特征選擇
        3.4.3 基于Fisher準則的特征選擇
    3.5 基于多核SVM的阿爾茲海默病分類方法
        3.5.1 基于多核學習的多模態(tài)特征融合
        3.5.2 基于多核SVM的阿爾茲海默病分類方法
    3.6 實驗結(jié)果和分析
        3.6.1 實驗數(shù)據(jù)介紹
        3.6.2 分類結(jié)果評估準則
        3.6.3 采用不同核函數(shù)分類結(jié)果對比
        3.6.4 單模態(tài)與多模態(tài)特征分類結(jié)果對比
        3.6.5 三種模態(tài)不同權(quán)重組合方式對比
        3.6.6 與其他分類器結(jié)果對比
    3.7 本章小結(jié)
第四章 基于非線性圖融合的多模態(tài)阿爾茲海默病分類
    4.1 引言
    4.2 基于非線性圖融合的多模態(tài)阿爾茲海默病分類算法框架
    4.3 基于NGF的多模態(tài)特征融合
        4.3.1 隨機森林構(gòu)建特征圖
        4.3.2 基于交叉擴散的非線性圖融合
        4.3.3 使用隨機森林對融合圖進行分類
    4.4 實驗結(jié)果和分析
        4.4.1 單模態(tài)與多模態(tài)分類結(jié)果對比
        4.4.2 實驗參數(shù)分析
        4.4.3 與其他分類器分類結(jié)果對比
    4.5 本章小結(jié)
第五章 總結(jié)和展望
    5.1 論文總結(jié)
    5.2 工作展望
致謝
參考文獻
攻讀碩士學位期間取得的成果



本文編號：3642404