高精度脑部经颅直流电刺激系统中关键问题研究
【文章页数】:116 页
【学位级别】:博士
【部分图文】:
图2.1数据处理与分析流程图
西安电子科技大学博士学位论文14模型进行验证,并以准确度、敏感性、特异性以及召回率作为评价指标。上述所有步骤重复十次,完成十折交叉验证。本章采用网格搜索的方式对参数P0,N,以及libsvm中的损耗参数c进行搜索。这些参数将会被设置成一组特定的值,这组值将使测试的准确率指标达到最....
图2.2(A)5个LASSO特征的大脑空间分布图;(B)分类模型的ROC曲线
基于机器学习方式的LPE异常功能脑区定位方法的研究15异性及召回率指标分别为0.8490±0.1401,0.9238±0.1817,0.7250±0.3038和0.8506±0.1740。图2.2B给出了分类模型的ROC曲线,其AUC为0.8047。图2.3给出了分类模型准确率及....
图2.3分类模型(A)准确率和(B)AUC指标的1000次permutation检验结果
西安电子科技大学博士学位论文16经统计,在这100次十折交叉验证的过程中,有5个LASSO特征在降维过程中被保留下来的次数超过500次。因此,这5个LASSO特征对分类模型的构建起关键性作用,因为保留次数低于500次的特征在很大程度上与特定的训练分组有关。这5个LASSO特征涉及....
图3.1三种序列影像对比
基于深度学习网络的鼻咽癌肿瘤定位方法的研究21上完成,其中,一名专家进行手动标记,另一名专家进行修正。310名患者的T2加权图像被随机分成4组,其中一组用于测试(77名),其余三组用于训练CNN或FCN模型(233名)。图3.1三种序列影像对比。T2W,T2加权;T1W,T1加权....
本文编号:4026923
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/4026923.html