学位论文 > 优秀研究生学位论文题录展示
脑磁共振成像数据的多类模式分析
作 者: 刘美洁
导 师: 胡德文
学 校: 国防科学技术大学
专 业: 控制科学与工程
关键词: 静息功能磁共振成像 结构磁共振成像 主成分分析 成组独立成分分析 支持向量机 关联向量机 基于支持向量机的递归特征删除法
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 37次
引 用: 0次
阅 读: 论文下载
内容摘要
近年来,模式识别方法已被广泛应用于磁共振成像数据的分析和研究中。随着问题研究的深入,磁共振成像数据的多类问题逐渐凸显,这对人脑运行机理和大脑疾病病理研究提出了更高的要求,也为模式识别技术的多类模式分析提供了应用空间。本文的研究主要着眼磁共振成像数据的多类问题,采用模式识别方法对其进行分析研究,期望得到有意义的分析结果。本文首先以三组静息功能磁共振数据(精神分裂症患者、其健康同胞和正常人)为研究对象,通过结合主成分分析(Principal Component Analysis,PCA)和非线性支持向量机(Support Vector Machine,SVM)对静息功能磁共振数据的功能连接矩阵特征进行模式分类研究,并从模式分类的角度证明了该疾病的遗传特性。另外,为了得到遗传特性在脑区上的证明,本文对上述三组数据进行成组独立成分分析(Group Independent Component Analysis,Group ICA),得到20个独立成分。以所有独立成分为特征集合,每个独立成分为特征子集,采用特征融合、主成分分析和线性支持向量机对三组数据进行了两两分类研究,得到了与前面研究相一致的结果,即从模式分类的角度证明了该疾病的遗传特性,更重要的是,最终得到了在该疾病遗传特性中有重要贡献的独立成分。最后,本文以三组结构像磁共振数据为研究对象(老年痴呆患者、轻度认知障碍患者和正常老年人),结合改进的基于支持向量机的递归特征删除法(Recursive Feature Elimination based on Support Vector Machine ,SVM-RFE)和关联向量机(Relevance Vector Machine, RVM)对该实验数据进行了模式分类研究。从两两分类的结果中,我们发现,模式识别方法得到的像素特征与统计差异研究的结果相一致,主要集中于负责记忆功能的海马区及其周围的区域。另外,本文还对上述三组结构像数据的多分类问题进行了探索性研究,包括“一对一”多分类和“一对多”多分类,通过多分类研究,得到这样的结论,即,该组轻度认知障碍患者的脑结构已经发生严重的改变,正向老年痴呆疾病转变。通过磁共振数据的多类模式分析,我们不仅对磁共振成像数据的多类问题有了更深的认识,还从模式分类的角度分析了磁共振成像数据的生理和病理结果,对推动模式识别方法在脑科学中的研究具有重要意义。
|
全文目录
摘要 8-9 ABSTRACT 9-11 第一章 绪论 11-21 1.1 课题来源与背景 11-12 1.2 磁共振成像技术综述 12-16 1.2.1 磁共振原理 12-14 1.2.2 功能磁共振成像 14-15 1.2.3 功能磁共振成像的特点 15-16 1.3 研究现状及发展趋势 16-19 1.3.1 脑磁共振数据的研究方法概述 16-17 1.3.2 模式识别方法的研究现状及发展趋势 17-18 1.3.3 模式识别方法在脑磁共振成像数据多类问题中的应用 18-19 1.4 课题的研究意义 19-20 1.5 本文研究的主要内容 20-21 第二章 模式识别方法概述 21-32 2.1 特征提取方法 21-26 2.1.1 主成分分析(PCA) 21-22 2.1.2 成组独立成分分析(Group ICA) 22-24 2.1.3 SVM-RFE 24-26 2.2 模式分类方法 26-31 2.2.1 支持向量机(SVM) 26-28 2.2.2 关联向量机(RVM) 28-31 2.3 本章小结 31-32 第三章 静息功能像数据的多类模式分析 32-50 3.1 数据采集与预处理 32-35 3.1.1 精神分裂症疾病简述 32-33 3.1.2 被试数据采集 33-34 3.1.3 静息功能像数据预处理 34-35 3.2 基于脑功能连接矩阵特征的多类数据模式分析 35-42 3.2.1 功能连接矩阵 36-37 3.2.2 被试组间功能连接矩阵特征的统计差异研究 37-39 3.2.3 功能连接矩阵特征的模式分类研究 39-40 3.2.4 分类结果及讨论 40-42 3.3 基于成组独立成分(Group ICA)特征的多类模式分析 42-48 3.3.1 成组独立成分特征的获取 42-43 3.3.2 成组独立成分的特征融合 43-44 3.3.3 成组独立成分特征的模式分类研究 44-45 3.3.4 结果分析与讨论 45-48 3.4 本章小结 48-50 第四章 结构像数据的多类模式分析 50-62 4.1 数据获取与预处理 50-52 4.1.1 老年痴呆疾病简述 50-51 4.1.2 被试数据获取 51 4.1.3 基于DARTEL 的结构像预处理 51-52 4.2 结构像多类模式分析研究 52-61 4.2.1 结构像数据统计分析 53-54 4.2.2 基于SVM-RFE 的特征提取 54-55 4.2.3 基于RVM 和SVM 的模式分类研究 55-60 4.2.4 结果分析与讨论 60-61 4.3 本章小结 61-62 第五章 总结与展望 62-65 5.1 论文总结 62-63 5.2 未来工作展望 63-65 致谢 65-66 参考文献 66-73 作者在学期间取得的学术成果 73 作者在学期间参与的主要科研工作 73
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于质谱的雷公藤甲素肝脏毒性代谢组学研究,R285
- 改进的主成分分析方法在学科建设中的应用,G642.4
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 旅游对芦芽山国家级自然保护区典型植被的影响,S759.9
- 重庆文化产业竞争力研究,F224
- 基于机器学习的入侵检测系统研究,TP393.08
- 支持向量机回归在短期电力负荷预测中的应用研究,TM715;F224
- 学生数学建模能力评价体系及应用实例,O141.4-4
- 草原公路光环境对驾驶员生理指标的影响研究,U491.254
- 面向肺部CAD的特征提取、选择及分类方法研究,TP391.41
- 城市污水处理厂中A~2O工艺过程的建模研究,X703
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|