本文關(guān)鍵詞：基于有序模式的腦網(wǎng)絡(luò)分類(lèi)研究及其應(yīng)用

  更多相關(guān)文章： 腦疾病 腦網(wǎng)絡(luò) 分類(lèi) 有序模式 判別性有序模式

【摘要】：近年來(lái),隨著醫(yī)學(xué)影像技術(shù)的發(fā)展,基于大腦神經(jīng)影像對(duì)腦疾病進(jìn)行分類(lèi)與分析吸引了大量研究者的關(guān)注。從大腦的醫(yī)學(xué)影像構(gòu)建出的腦網(wǎng)絡(luò),可以使得研究者從網(wǎng)絡(luò)的角度分析大腦的功能與結(jié)構(gòu),在最近成為了一個(gè)新的研究熱點(diǎn)。基于腦網(wǎng)絡(luò)對(duì)腦疾病,例如老年癡呆癥,輕度認(rèn)知障礙,多動(dòng)癥等進(jìn)行分類(lèi),對(duì)于腦疾病的自動(dòng)診斷與分析,具有重要意義,也是本文的主要研究?jī)?nèi)容。具體的,本文的主要研究工作與創(chuàng)新點(diǎn)總結(jié)如下：第一,提出一種新的腦網(wǎng)絡(luò)特征,稱(chēng)之為有序模式,以及一種頻繁有序模式挖掘算法。有序模式由若干個(gè)有權(quán)邊的序關(guān)系構(gòu)成。不同于現(xiàn)存的腦網(wǎng)絡(luò)特征,有序模式同時(shí)具有以下兩個(gè)優(yōu)點(diǎn)：首先,有序模式直接定義在有權(quán)網(wǎng)絡(luò)上,不需要對(duì)原始的有權(quán)腦網(wǎng)絡(luò)進(jìn)行閾值化,從而大大避免了權(quán)值信息的丟失。此外,有序模式包含腦網(wǎng)絡(luò)的局部拓?fù)浣Y(jié)構(gòu),可以反映大腦的局部子結(jié)構(gòu)異常。進(jìn)一步的,我們提出一種有序模式挖掘算法,該算法利用頻繁有序模式的Apriori性質(zhì),可以快速地挖掘出在腦網(wǎng)絡(luò)集中頻繁出現(xiàn)的有序模式。頻繁有序模式代表腦網(wǎng)絡(luò)集中普遍存在的信息,在腦網(wǎng)絡(luò)的分析和分析中具有重要意義。在兩個(gè)真實(shí)的腦疾病數(shù)據(jù)集上,我們驗(yàn)證了本算法的運(yùn)行效率。第二,提出一種基于判別性有序模式的腦網(wǎng)絡(luò)分類(lèi)方法。首先,我們使用Ratio score函數(shù),來(lái)衡量頻繁有序模式的判別性,并選擇Ratio score得分最高的頻繁有序模式為判別性有序模式。通過(guò)判別性有序模式,構(gòu)建出所有樣本的特征矩陣。然后,使用支持向量機(jī)作為分類(lèi)器,完成對(duì)腦網(wǎng)絡(luò)的分類(lèi)。我們使用三個(gè)真實(shí)的腦網(wǎng)絡(luò)數(shù)據(jù)集,驗(yàn)證我們提出的分類(lèi)方法的表現(xiàn)。分類(lèi)結(jié)果顯示,相較于基于傳統(tǒng)腦網(wǎng)絡(luò)特征的分類(lèi)方法,我們提出的方法在三個(gè)數(shù)據(jù)集上都取得了更好的分類(lèi)結(jié)果。進(jìn)一步的,我們對(duì)在分類(lèi)中使用的判別性有序模式進(jìn)行分析。結(jié)果顯示,我們發(fā)現(xiàn)的異常腦區(qū)與現(xiàn)存腦疾病的研究文獻(xiàn)相吻合。
【關(guān)鍵詞】：腦疾病 腦網(wǎng)絡(luò) 分類(lèi) 有序模式 判別性有序模式
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：R741;TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-12
• 第一章 緒論12-17
• 1.1 選題背景與研究意義12-13
• 1.2 腦網(wǎng)絡(luò)分類(lèi)13-15
• 1.3 主要研究工作和內(nèi)容安排15-17
• 第二章 相關(guān)背景知識(shí)17-23
• 2.1 引言17
• 2.2 腦疾病及相應(yīng)數(shù)據(jù)集17-19
• 2.2.1 三種腦疾病17-18
• 2.2.2 數(shù)據(jù)集18-19
• 2.3 腦網(wǎng)絡(luò)特征提取19-22
• 2.3.1 腦網(wǎng)絡(luò)特征20-21
• 2.3.2 特征選擇21-22
• 2.4 本章小結(jié)22-23
• 第三章 有序模式及頻繁有序模式挖掘23-33
• 3.1 引言23-24
• 3.2 有序模式24-26
• 3.3 頻繁有序模式挖掘26-29
• 3.4 實(shí)驗(yàn)與分析29-32
• 3.5 本章小結(jié)32-33
• 第四章 基于判別性有序模式的腦網(wǎng)絡(luò)分類(lèi)方法33-51
• 4.1 引言33
• 4.2 基于判別性有序模式的分類(lèi)方法33-37
• 4.2.1 判別性有序模式選擇34-35
• 4.2.2 分類(lèi)器構(gòu)造35-37
• 4.3 實(shí)驗(yàn)與分析37-44
• 4.3.1 實(shí)驗(yàn)設(shè)置37-38
• 4.3.2 分類(lèi)結(jié)果與分析38-42
• 4.3.2.1 AD vs NC任務(wù)38-39
• 4.3.2.2 MCI vs NC任務(wù)39-40
• 4.3.2.3 ADHD vs NC任務(wù)40-42
• 4.3.3 分類(lèi)中的判別性有序模式分析42-44
• 4.4 本章小結(jié)44-51
• 第五章 總結(jié)與展望51-53
• 5.1 本文總結(jié)51-52
• 5.2 未來(lái)工作展望52-53
• 參考文獻(xiàn)53-60
• 致謝60-61
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文61

，

本文編號(hào)：1131199