深度学习在基于MRI数据的精神疾病辅助诊断中的应用研究

发布时间：2021-02-16 04:44

　　抑郁症、阿尔茨海默病（AD）和行为异常型额颞叶痴呆（bvFTD）皆是受生物、心理与社会环境等诸多因素影响的精神障碍疾病,发病率呈上升趋势,但目前缺乏统一的客观诊断标准,导致它们的诊断正确率偏低。精神类疾病早期治愈率高、康复效果好,因此构建精神疾病辅助诊断模型、进一步提高早期诊断正确率具有重要的研究和临床意义。国内外研究者积极探索抑郁症和痴呆的基于磁共振成像（MRI）数据的辅助诊断模型,但已有的辅助诊断仍面临以下问题:（1）特征选择方法对辅助诊断的结果影响比较显著;（2）患者的MRI数据收集困难、可用样本数目不足,导致一些机器学习算法无法使用;（3）AD和bvFTD众多临床表现重叠、不易鉴别诊断,尚且缺乏关于这两种痴呆的辅助诊断研究。在此背景下,本文基于MRI数据分别研究了抑郁症和痴呆（AD与bvFTD）的辅助诊断问题,主要研究内容如下。（1）针对特征选择方法对辅助诊断的结果影响比较显著问题,本文提出了一种混合特征选择算法,并构建了多元模式分析（MVPA）抑郁症辅助诊断模型。基于完全数据驱动的方式分别建立了41名被试的稳态和动态功能连接网络并进行特征提取,采用不同特征选择方法和不同分类算... 

【文章来源】：北京工业大学北京市 211工程院校

【文章页数】：79 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 研究现状
        1.2.1 抑郁症研究现状
        1.2.2 AD和FTD研究现状
    1.3 研究意义及内容
        1.3.1 研究意义
        1.3.2 研究内容
    1.4 本文结构
第2章 功能连接和机器学习的相关理论基础
    2.1 磁共振数据特征提取
    2.2 功能连接相关知识
        2.2.1 功能连接基本概念
        2.2.2 功能连接常用分析方法
        2.2.3 动态功能连接
    2.3 维数约简
        2.3.1 特征选择
        2.3.2 降维
    2.4 分类器
        2.4.1 支持向量机
        2.4.2 线性判别分类器
    2.5 深度学习
        2.5.1 卷积神经网络
        2.5.2 生成式对抗网络
        2.5.3 自编码器
        2.5.4 深度森林
    2.6 本章小结
第3章 基于fMRI功能连接网络的抑郁症辅助诊断研究
    3.1 引言
    3.2 被试与数据采集
        3.2.1 实验被试
        3.2.2 数据采集
    3.3 fMRI数据处理
        3.3.1 预处理
        3.3.2 组ICA和后处理
    3.4 提取功能连接特征
        3.4.1 提取稳态功能连接特征
        3.4.2 提取动态功能连接特征
    3.5 特征选择
    3.6 实验结果及分析
        3.6.1 稳态分类结果
        3.6.2 动态分类结果
        3.6.3 维数约简结果
        3.6.4 结果分析
        3.6.5 结果讨论
    3.7 本章小结
第4章 基于生成式对抗网络的数据扩充及抑郁症辅助诊断
    4.0 引言
    4.1 实验数据
    4.2 MVPA流程
    4.3 构建扩充数据集
    4.4 实验结果及分析
        4.4.1 分类结果
        4.4.2 不同数据生成方法的分类结果
        4.4.3 结果分析
        4.4.4 结果讨论
    4.5 本章小结
第5章 基于CNN和深度森林的AD/FTD辅助诊断
    5.1 引言
    5.2 实验被试
    5.3 数据采集和预处理
    5.4 特征提取和模型构建
        5.4.1 特征提取
        5.4.2 模型构建
    5.5 实验结果及分析
        5.5.1 体积变化
        5.5.2 卷积神经网络结果
        5.5.3 深度森林结果
        5.5.4 结果分析
        5.5.5 结果讨论
    5.6 本章小结
总结与展望
    未来工作
参考文献
攻读硕士学位期间所发表的成果
致谢



本文编号：3036180