本文關(guān)鍵詞：MRI結(jié)構(gòu)特征選擇方法及AD早期診斷的應(yīng)用研究

  更多相關(guān)文章： 阿爾茨海默病 輕度認(rèn)知障礙 MRI HS-EJ 多元線性回歸

【摘要】：近年來,我國老齡化問題日趨嚴(yán)重,阿爾茨海默病(AD)和輕度認(rèn)知障礙(MCI)患者也越來越多,MCI是AD的早期過程,該病是一種神經(jīng)退行性疾病,目前的醫(yī)療手段還無法完全治愈這種疾病,但是如果能對(duì)其進(jìn)行早期診斷,并配合藥物干預(yù)可以緩解病情的發(fā)展。目前的診斷方法主要依靠有經(jīng)驗(yàn)的閱片醫(yī)生通過分析患者的腦結(jié)構(gòu)磁共振(MRI)圖像判斷患者的病情,這樣的方法不僅耗時(shí)耗力,而且存在著很強(qiáng)的主觀性,可能導(dǎo)致誤診。計(jì)算機(jī)輔助診斷將有助于提高診斷準(zhǔn)確率,減少工作量。隨著機(jī)器學(xué)習(xí)技術(shù)的不斷發(fā)展,特征選擇方法已經(jīng)應(yīng)用在各個(gè)領(lǐng)域的研究中,特征選擇方法在醫(yī)學(xué)輔助診斷領(lǐng)域也取得了一定的效果,但由于醫(yī)學(xué)影像特征眾多,已有的方法無法直接用于醫(yī)學(xué)診斷中。為此,本文提出了一種基于經(jīng)驗(yàn)判斷的啟發(fā)式搜索(HS-EJ)特征選擇模型,對(duì)MRI數(shù)據(jù)中大量的信息進(jìn)行篩選,提取有用特征,用于MCI、AD的輔助診斷。主要研究工作如下:(1)收集MCI、AD患者和健康正常人(NC)的腦結(jié)構(gòu)MRI圖像,并對(duì)其進(jìn)行預(yù)處理,提取出三組被試的灰質(zhì)、白質(zhì)以及腦脊液的體積特征。(2)構(gòu)建HS-EJ特征選擇模型:首先對(duì)原始的體積數(shù)據(jù)分別進(jìn)行顯著性分析和logistic回歸分析,依據(jù)顯著性水平和回歸系數(shù)分別進(jìn)行排序,剔除分類效果差的特征;然后按照順序向前搜索策略,依次將分類特征加入SVM分類器,選擇分類準(zhǔn)確率最高的特征集作為最優(yōu)特征集;通過對(duì)比,從兩組最優(yōu)特征集中選擇出更優(yōu)的特征集。(3)對(duì)比HS-EJ特征選擇模型與顯著性分析過濾模型、logistic回歸分析過濾模型、SVM分類器封裝模型、主成分分析模型的特征選擇效果。(4)利用多元線性回歸對(duì)得到的最優(yōu)特征子集進(jìn)一步約簡(jiǎn),將多特征合并成一個(gè)聯(lián)合特征,利用ROC曲線對(duì)比聯(lián)合特征與其他單一特征的分類效果。對(duì)比HS-EJ特征選擇模型與其他特征選擇模型得到的分類特征數(shù)和分類準(zhǔn)確率,得出結(jié)論:HS-EJ進(jìn)行特征選擇顯著提高了NC-MCI-AD兩兩分類準(zhǔn)確率,對(duì)于MCI、AD的早期診斷有一定的臨床意義。
【關(guān)鍵詞】：阿爾茨海默病 輕度認(rèn)知障礙 MRI HS-EJ 多元線性回歸
【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】：2016
【分類號(hào)】：R749.16;TP181
【目錄】：

• 摘要3-5
• ABSTRACT5-11
• 第一章 緒論11-21
• 1.1 研究背景11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-17
• 1.2.1 特征選擇算法的研究現(xiàn)狀12-14
• 1.2.2 MCI、AD的診斷現(xiàn)狀14-15
• 1.2.3 MRI技術(shù)用于MCI、AD分類的研究現(xiàn)狀15-16
• 1.2.4 MCI、AD分類中的特征選擇方法16-17
• 1.3 研究意義17-18
• 1.4 研究?jī)?nèi)容18-19
• 1.5 論文的主要工作及結(jié)構(gòu)安排19-20
• 1.5.1 論文的主要工作19
• 1.5.2 全文結(jié)構(gòu)安排19-20
• 1.6 本章小結(jié)20-21
• 第二章 特征選擇的基礎(chǔ)理論21-29
• 2.1 特征選擇過程21-22
• 2.2 子集生成22-24
• 2.2.1 搜索方向22
• 2.2.2 搜索策略22-24
• 2.3 子集評(píng)價(jià)24-27
• 2.3.1 Filter過濾式模型24-25
• 2.3.2 Wrapper封裝式模型25
• 2.3.3 評(píng)價(jià)標(biāo)準(zhǔn)25-27
• 2.4 停止條件與結(jié)果驗(yàn)證27
• 2.5 本章小結(jié)27-29
• 第三章 基于經(jīng)驗(yàn)判斷的啟發(fā)式搜索特征選擇模型29-43
• 3.1 相關(guān)基礎(chǔ)理論29-38
• 3.1.1 顯著性分析29-31
• 3.1.2 Logistic回歸分析31-32
• 3.1.3 支持向量機(jī)32-34
• 3.1.4 多元線性回歸34-36
• 3.1.5 ROC曲線36-38
• 3.2 基于經(jīng)驗(yàn)判斷的啟發(fā)式搜索特征選擇模型38-41
• 3.3 本章小結(jié)41-43
• 第四章 實(shí)驗(yàn)數(shù)據(jù)處理43-49
• 4.1 MRI數(shù)據(jù)預(yù)處理43-44
• 4.2 特征提取44
• 4.3 實(shí)驗(yàn)數(shù)據(jù)44-45
• 4.4 特征選擇45-47
• 4.4.1 基于經(jīng)驗(yàn)判斷的啟發(fā)式搜索特征選擇45-46
• 4.4.2 特征合并46-47
• 4.5 本章小結(jié)47-49
• 第五章 實(shí)驗(yàn)結(jié)果與討論49-67
• 5.1 體積測(cè)量結(jié)果49-54
• 5.2 特征選擇結(jié)果54-60
• 5.2.1 基于顯著性分析特征選擇結(jié)果54-56
• 5.2.2 基于logistic回歸分析特征選擇結(jié)果56-59
• 5.2.3 兩種過濾模型對(duì)比59-60
• 5.3 已有的特征選擇模型對(duì)比60-64
• 5.3.1 過濾模型對(duì)比60
• 5.3.2 SVM分類器封裝模型對(duì)比60-62
• 5.3.3 主成分分析特征選擇模型對(duì)比62-63
• 5.3.4 不同的特征選擇方法結(jié)果對(duì)比63-64
• 5.4 特征合并結(jié)果64-66
• 5.5 本章小結(jié)66-67
• 第六章 總結(jié)與展望67-69
• 6.1 總結(jié)67-68
• 6.2 展望68-69
• 參考文獻(xiàn)69-75
• 致謝75-77
• 攻讀碩士學(xué)位期間發(fā)表論文77

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 高娟;王國胤;胡峰;;多類別腫瘤基因表達(dá)譜的自動(dòng)特征選擇方法[J];計(jì)算機(jī)科學(xué);2012年10期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前6條

1 徐燕;王斌;李錦濤;孫春明;;知識(shí)增益：文本分類中一種新的特征選擇方法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

2 肖婷;唐雁;;文本分類中特征選擇方法及應(yīng)用[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

3 徐燕;孫春明;王斌;李錦濤;;基于詞條頻率的特征選擇算法研究[A];中文信息處理前沿進(jìn)展——中國中文信息學(xué)會(huì)二十五周年學(xué)術(shù)會(huì)議論文集[C];2006年

4 陳慶軒;鄭德權(quán);鄭博文;趙鐵軍;李生;;中文文本分類中基于文檔頻度分布的特征選擇方法[A];黑龍江省計(jì)算機(jī)學(xué)會(huì)2009年學(xué)術(shù)交流年會(huì)論文集[C];2010年

5 顧成杰;張順頤;劉凱;黃河;;基于粗糙集和禁忌搜索的特征選擇方法[A];江蘇省電子學(xué)會(huì)2010年學(xué)術(shù)年會(huì)論文集[C];2010年

6 王秀娟;郭軍;鄭康鋒;;基于互信息可信度的特征選擇方法[A];2006通信理論與技術(shù)新進(jìn)展——第十一屆全國青年通信學(xué)術(shù)會(huì)議論文集[C];2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 劉明霞;屬性學(xué)習(xí)若干重要問題的研究及應(yīng)用[D];南京航空航天大學(xué);2015年

2 毛勇;基于支持向量機(jī)的特征選擇方法的研究與應(yīng)用[D];浙江大學(xué);2006年

3 尹留志;關(guān)于非平衡數(shù)據(jù)特征問題的研究[D];中國科學(xué)技術(shù)大學(xué);2014年

4 裴志利;數(shù)據(jù)挖掘技術(shù)在文本分類和生物信息學(xué)中的應(yīng)用[D];吉林大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 曹晉;基于SVDD的特征選擇方法研究及其應(yīng)用[D];蘇州大學(xué);2015年

2 張強(qiáng);靜態(tài)圖像上的行人檢測(cè)方法研究[D];中國科學(xué)技術(shù)大學(xué);2015年

3 張曉梅;基于融合特征的微博主客觀分類方法研究[D];山西大學(xué);2014年

4 王君;基于SVM-RFE的特征選擇方法研究[D];大連理工大學(xué);2015年

5 于海珠;面向文本聚類的特征選擇方法及應(yīng)用研究[D];大連理工大學(xué);2015年

6 趙世琛;文本分類中特征選擇方法研究[D];山西大學(xué);2014年

7 王丹;特征選擇算法研究及其在異常檢測(cè)中的應(yīng)用[D];電子科技大學(xué);2014年

8 林艷峰;中文文本分類特征選擇方法的研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

9 盧志浩;基于GEP的kNN算法改進(jìn)研究[D];廣西師范學(xué)院;2015年

10 王立鵬;面向圖數(shù)據(jù)的特征選擇方法及其應(yīng)用研究[D];南京航空航天大學(xué);2015年

，

本文編號(hào)：631208