基于粒子群-支持向量机的时间序列分类诊断模型

发布时间：2017-12-10 22:12

  本文关键词：基于粒子群-支持向量机的时间序列分类诊断模型

  更多相关文章： fMRI多维时间序列 分类诊断 自回归模型 支持向量机(SVM) 粒子群算法(PSO)

【摘要】：构建一种基于粒子群算法-支持向量机(PSO-SVM)的磁共振功能成像(fMRI)时间序列分类诊断模型,通过针对脑区多维时间序列数据的深层次分析实现病症患者和健康者的准确判断与区分,为面向fMRI时间序列数据的病症诊断和预测提供有效科学依据.该方法在以下4个方面不同于其他已有相关研究工作:(1)构建基于自回归模型的脑区多维时间序列数据特征表示;(2)构建基于支持向量机模型的脑区多维时间序列数据分类机制;(3)构建基于粒子群算法的分类学习参数寻优策略;(4)建立融合上述特征表示、优化分类与参数优选模式的fMRI时间序列数据分类诊断模型.通过以精神抑郁症作为实证分析的具体案例,所提出分类诊断模型已取得良好实验效果,展示出其有效性与合理性.
【作者单位】： 上海财经大学信息管理与工程学院;上海市金融信息技术研究重点实验室(上海财经大学);同济大学附属同济医院;复旦大学计算机科学技术学院上海市智能信息处理重点实验室;
【基金】：国家自然科学基金(71171126,61572140) 教育部高等学校博士学科点专项科研基金(20130078110001) 上海市科学技术委员会科技创新行动计划资助项目(16511104704) 同济大学青年优秀人才培养计划(1508-219-040)
【分类号】：R445.2;TP18
【正文快照】： 3.上海市金融信息技术研究重点实验室(上海财经大学),上海200433;4.复旦大学计算机科学技术学院,上海市智能信息处理重点实验室,上海200433)大量的诊断记录、医学影像、化验与测量结果、生物基因序列等信息组成十分庞大的医疗诊断时间序列数据库[1],有关医学诊断时间序列数据

【相似文献】

中国期刊全文数据库 前7条

1 刘应万,徐春福,刘上云;卒中的早期分类诊断及主要评分方法[J];国外医学(脑血管疾病分册);1998年03期

2 郭雨凡;陈志伟;;对2009年ACR-SLE分类诊断标准的初步验证[J];苏州大学学报(医学版);2012年02期

3 李丙恒,宋殿华,徐树文,祝世明,朴春梅,王俊巍,王艳华;颞下颌关节紊乱综合征的微机分类诊断及治疗提示[J];吉林医学院学报(自然科学版);1995年03期

4 ;《中枢神经系统肿瘤磁共振分类诊断》已出版[J];中国医学影像技术;2014年08期

5 ;《中枢神经系统肿瘤磁共振分类诊断》已出版[J];中国介入影像与治疗学;2014年08期

6 苏春娟;闵捷;;两分类诊断试验证实偏倚校正的研究进展[J];现代预防医学;2014年14期

7 ;[J];;年期

中国硕士学位论文全文数据库 前1条

1 徐志伟;学生成绩分类诊断系统的设计和研究[D];华东师范大学;2010年

，

本文编号：1276078