基于稀疏学习的神经退行性疾病早期诊断方法研究

发布时间：2023-04-05 04:54

　　随着全球老龄化的加剧,神经退行性疾病日趋蔓延,严重影响人们的身心健康和生活质量。常见的神经退行性疾病包含帕金森病(Parkinson’s disease,PD)和阿尔兹海默病(Alzheimer’s disease,AD)。这类疾病的主要病理改变是神经元细胞的丢失或神经元细胞结构和功能的退行性变性,但当今仍未发现导致这些病理改变的具体原因。在我国,神经退行性疾病仍处于就诊率低、误诊率高、治疗率低的局面,因此早期诊断对于进行及时干预治疗尤为重要。计算机辅助诊断(Computer aided diagnosis,CAD)利用神经影像学技术提供的大脑结构变化,结合数据分析,能提高诊断的准确率,是进行早期诊断的有效辅助工具。然而,神经影像数据样本量少和特征维度大容易造成过拟合,是影响计算机辅助诊断准确率的主要问题。本文针对此问题提出了基于稀疏学习的神经退行性疾病早期诊断方法,主要包括以下三个部分:其一,为了解决样本量少和特征维度大的问题,本文提出基于稀疏正则化的特征选择方法。通过将大部分无关特征的权重系数设置为零,筛选出与疾病相关特征,利用有效特征训练多分类器,实现神经退行性疾病的早期诊断。其...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 国内外研究现状
    1.4 本文工作及内容安排
第2章 基于稀疏学习的神经退行性疾病多分类
    2.1 引言
    2.2 方法概述
        2.2.1 稀疏特征选择
        2.2.2 多分类模型
    2.3 实验
        2.3.1 数据集
        2.3.2 数据预处理
        2.3.3 实验设置
        2.3.4 分类结果
    2.4 本章小结
第3章 基于自适应多模板稀疏学习的神经退行性疾病多分类
    3.1 引言
    3.2 方法概述
        3.2.1 自适应稀疏特征学习
        3.2.2 目标函数优化
    3.3 实验
        3.3.1 实验设置
        3.3.2 数据预处理
        3.3.3 不同特征组合的神经退行性疾病多分类实验
        3.3.4 基于多模板的神经退行性疾病多分类实验
        3.3.5 自适应效果实验
        3.3.6 疾病相关脑区
    3.4 讨论
    3.5 本章小结
第4章 基于多任务低秩稀疏学习的神经退行性疾病多分类
    4.1 引言
    4.2 方法概述
        4.2.1 多任务低秩稀疏学习
        4.2.2 目标函数优化
    4.3 实验
        4.3.1 实验设置
        4.3.2 多分类结果
        4.3.3 疾病相关脑区
    4.4 本章小结
第5章 总结与展望
参考文献
致谢
攻读硕士学位期间的研究成果



本文编号：3782770