本文關(guān)鍵詞：基于SVM的MCI功能影像數(shù)據(jù)分類研究，由筆耕文化傳播整理發(fā)布。

【摘要】：傳統(tǒng)的MCI檢查方法周期長、誤差較大。隨著功能影像技術(shù)的發(fā)展,fMRI被逐漸應(yīng)用到MCI診斷中,但是診斷仍需要依靠醫(yī)生的經(jīng)驗(yàn),難以推廣。利用數(shù)據(jù)挖掘技術(shù)分析fMRI數(shù)據(jù),建立診斷模型,可以更好地輔助臨床診斷。而如何提取MCI的分類特征,構(gòu)建分類器等均是構(gòu)建診斷模型的關(guān)鍵。 本研究在已有研究的基礎(chǔ)上,研究MCI的特征提取和分類模型的構(gòu)建。首先提取單體素BOLD效應(yīng)作為分類特征,利用SVM構(gòu)建單體素弱分類器,篩選正確率較高的單體素分類器,利用AdaBoost構(gòu)建集成分類器,用于輔助MCI的臨床診斷。本文主要工作如下： (1)分析MCI的fMRI數(shù)據(jù)特點(diǎn),提取單體素的BOLD曲線變化特征。 (2)利用SVM算法,構(gòu)建單體素弱分類器；通過LOPO方法測(cè)試分類效果,篩選了準(zhǔn)確率較高的弱分類器,并簡單分析了這些體素的分布區(qū)域,實(shí)驗(yàn)結(jié)果表明,正確率較高的體素所在區(qū)域均為MCI的關(guān)鍵腦區(qū)。 (3)采用AdaBoost算法,集成篩選出的弱分類器,建立了分類精度更高的集成分類器,平均正確率達(dá)到80%；在此基礎(chǔ)上,進(jìn)一步分析了分類器的泛化能力,實(shí)驗(yàn)結(jié)果表明該方法具有較好的泛化能力。 總之,本文的研究結(jié)果充分證明,通過SVM對(duì)fMRI數(shù)據(jù)分類的方法可行,能夠有效地輔助MCI診斷,對(duì)于相關(guān)認(rèn)知疾病的研究有著一定的參考和應(yīng)用價(jià)值。
【關(guān)鍵詞】：輕度認(rèn)知障礙 特征提取 支持向量機(jī) 分類算法 分類器集成
【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】：2013
【分類號(hào)】：R310;TP311.13
【目錄】：

• 摘要3-4
• ABSTRACT4-9
• 第一章 緒論9-19
• 1.1 研究背景和意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-16
• 1.2.1 fMRI數(shù)據(jù)分析研究現(xiàn)狀11-15
• 1.2.2 MCI研究現(xiàn)狀15-16
• 1.3 工作內(nèi)容與論文結(jié)構(gòu)安排16-19
• 第二章 MCI的診斷現(xiàn)狀分析19-23
• 2.1 MCI診斷現(xiàn)狀19
• 2.2 MCI量表檢查19-20
• 2.3 MCI影像學(xué)檢查20
• 2.4 MCI認(rèn)知實(shí)驗(yàn)檢查20-22
• 2.5 本章小結(jié)22-23
• 第三章 研究方案與主要技術(shù)23-37
• 3.1 研究方案23-25
• 3.2 分類算法的選擇25-26
• 3.3 SVM分類器的理論基礎(chǔ)26-29
• 3.4 單體素分類器的訓(xùn)練29-31
• 3.5 單體素分類器的集成31
• 3.6 分類器集成算法簡介31-34
• 3.7 本章小結(jié)34-37
• 第四章 實(shí)驗(yàn)數(shù)據(jù)介紹37-43
• 4.1 MCI入組情況37-38
• 4.2 采集參數(shù)38-39
• 4.3 fMRI認(rèn)知實(shí)驗(yàn)的任務(wù)測(cè)試39-41
• 4.4 本章小結(jié)41-43
• 第五章 fMRI數(shù)據(jù)特征提取43-55
• 5.1 fMRI數(shù)據(jù)預(yù)處理43-46
• 5.2 fMRI數(shù)據(jù)特征提取46-48
• 5.3 基于單體素的特征提取48
• 5.4 BOLD曲線變化率的特征提取48-53
• 5.5 本章小結(jié)53-55
• 第六章 單體素弱分類器集成55-61
• 6.1 單體素分類器訓(xùn)練55
• 6.2 單體素分類實(shí)驗(yàn)結(jié)果及分析55-57
• 6.3 單體素弱分類器集成57-58
• 6.4 分類器泛化推廣58-59
• 6.5 分類器集成實(shí)驗(yàn)結(jié)果及分析59
• 6.6 本章小結(jié)59-61
• 第七章 總結(jié)61-63
• 7.1 總結(jié)61
• 7.2 展望61-63
• 致謝63-65
• 參考文獻(xiàn)65-69
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文69

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李傳明;王健;桂莉;王新;鄭健;;AD和MCI病人前額葉注意功能區(qū)fMRI檢測(cè)[J];青島大學(xué)醫(yī)學(xué)院學(xué)報(bào);2009年04期

2 邵輝麗;杜小霞;;楔前葉/后扣帶皮層在靜息態(tài)功能網(wǎng)絡(luò)中起關(guān)鍵節(jié)點(diǎn)作用的研究進(jìn)展[J];磁共振成像;2011年03期

3 王海川,張立明;一種新的Adaboost快速訓(xùn)練算法[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2004年01期

4 呂卓;謝松云;趙金;趙海濤;;基于SVM及其改進(jìn)算法的fMRI圖像分類性能研究[J];電子設(shè)計(jì)工程;2011年16期

5 付忠良;;分類器線性組合的有效性和最佳組合問題的研究[J];計(jì)算機(jī)研究與發(fā)展;2009年07期

6 熊金志;胡金蓮;袁華強(qiáng);;光滑支持向量機(jī)的原理和進(jìn)展[J];計(jì)算機(jī)工程;2008年13期

7 錢志明;徐丹;;一種Adaboost快速訓(xùn)練算法[J];計(jì)算機(jī)工程;2009年20期

8 張偉松;高智英;;快速多分類器集成算法研究[J];計(jì)算機(jī)工程;2012年02期

9 蔣蕓;李戰(zhàn)懷;;基于改進(jìn)的SVM分類器的醫(yī)學(xué)圖像分類新方法[J];計(jì)算機(jī)應(yīng)用研究;2008年01期

10 張強(qiáng);唐崢崢;;fMRI腦功能成像及事件相關(guān)實(shí)驗(yàn)設(shè)計(jì)的研究進(jìn)展[J];醫(yī)療設(shè)備信息;2007年04期

  本文關(guān)鍵詞：基于SVM的MCI功能影像數(shù)據(jù)分類研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：481176