基于非参数统计的分类方法研究及应用

发布时间：2017-09-08 06:33

  本文关键词：基于非参数统计的分类方法研究及应用

  更多相关文章： 特征选择 功能磁共振成像 判别分析 非参数检验

【摘要】：脑功能磁共振成像(fMRI)是近二十多年来医学影像学发展的一项新技术,研究者通常用此技术来研究脑区功能活动的改变。利用模式识别方法对fMRI数据的研究和应用也已经成为脑科学研究的重要方向之一。以基于AAL模板对脑网络构造的功能连接作为判别病人和正常人的特征,是脑功能影像研究中的重要内容。但对整个大脑区域中构造的功能连接得到的是个高维数据,这样在分类过程中可能存在一定的冗余信息影响其分类效果,因此特征的选择是关键。除此之外,在分类过程中分类器的选择也是起着至关重要的作用。本文研究分析的是39例抑郁症患者和37例正常人的静息态fMRI数据,首先对原始数据不做任何检验挑选特征、应用参数T检验挑特征以作为结果对照。本文主要思路是不同于以往很多研究中的参数检验挑显著特征,应用两种非参数检验(K-S检验和M-W U检验)挑选显著特征,使得原始特征空间维数大大减少。再应用三种分类器(Fisher判别、KNN、朴素贝叶斯)判别病人与正常人。结果显示本文所选的分类器结合非参数检验降维分类准确率均高于参数T检验和不做检验的准确率,效果得到显著提高。三种分类器对挑选不同显著特征个数的数据分别进行判别,发现最高准确率均高于76%,其中三种分类器结合M-W U检验最高准确率都在80%以上,Fisher判别分析结合K-S检验当特征个数降到10时准确率就达到81.58%,当特征个数为46时达到90.79%的准确率。本文通过对比分析得到最佳判别与检验组合—Fisher判别结合K-S检验,并通过置换检验证明此判别方法的可靠性。同时,通过此特征选择方法,得到最具判别脑区,主要包括：右侧额下回、额上回、海马旁回、背外侧、扣带回、梭状回、顶叶脑回、缘上回、尾状核等重要脑区,其中右侧额下回脑区所占权重最大。这些脑区对应着病人与正常人脑区之间的显著性差异,这为抑郁症病人的病理研究提供了一定的理论依据,对辅助医生进行医学临床诊断具有现实意义。
【关键词】：特征选择 功能磁共振成像 判别分析 非参数检验
【学位授予单位】：湖南师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O212.7
【目录】：

• 摘要3-5
• ABSTRACT5-10
• 1 绪论10-16
• 1.1 研究背景及意义10-11
• 1.2 研究现状11-13
• 1.2.1 抑郁症静息态的fMRI研究现状11-12
• 1.2.2 基于静息态fMRI数据的分类方法研究现状12-13
• 1.3 本文创新之处13-14
• 1.4 本文框架14-16
• 2 预备知识16-22
• 2.1 非参数统计16-18
• 2.1.1 Mann-Whitney U检验(M-W U检验)16-18
• 2.1.2 Kolmogorov-Smirnov检验(K-S检验)18
• 2.2 留一交叉检验18-19
• 2.3 分类器基本思想19-22
• 2.3.1 Fisher线性判别法19-20
• 2.3.2 K-最近邻法20-21
• 2.3.3 朴素贝叶斯21-22
• 3 数据预处理及特征提取22-26
• 3.1 数据及其预处理22-23
• 3.2 特征提取23-26
• 4 结果分析26-36
• 4.1 分类结果26-29
• 4.1.1 Fisher分类结果27-28
• 4.1.2 KNN分类结果28-29
• 4.1.3 朴素贝叶斯分类结果29
• 4.2 分类效果对比29-32
• 4.3 置换检验结果32-33
• 4.4 具有高判别力的脑区33-36
• 5 总结与展望36-38
• 5.1 总结36-37
• 5.2 展望37-38
• 参考文献38-42
• 附录42-44
• 致谢44-46

，

本文编号：812448