基于加权随机SVM集群的脑科学研究

发布时间：2020-08-01 14:55

【摘要】：功能磁共振成像(Functional magnetic resonance imaging,fMRI)是探索大脑神经活动、研究脑区功能的重要成像手段,并在脑科学领域中得到了普遍应用。从这种小样本、高维度特性的fMRI数据中识别出内在的脑区活动模式,对理解人脑意义重大。近二十年来,随着模式识别技术和机器学习算法的发展,fMRI的分类研究逐渐成为了研究人员的兴趣所在。本文基于fMRI数据提出了两种新的分类方法,并分别用于轻度认知障碍的识别研究与阿尔茨海默症的历程研究。本文的主要内容描述如下:(1)提出一种新的加权随机SVM集群(Weighted Random SVM Cluster,WRSVMC)算法。该算法主要分为两部分,一是通过随机选择样本和特征建立多个SVM基分类器,以构建集成分类器;二是在投票过程中,对每个SVM进行加权,以优化模型的集成性能。本文结合fMRI数据和图论特征,采用WRSVMC算法对轻度认知障碍患者和健康对照展开了分类研究。结果表明,分类准确率高达87.67%,并且可以找到回直肌、中央前回、嗅皮质和枕中回等受该病影响的脑区,这为轻度认知障碍的诊断研究提供了新的思路。(2)提出加权进化的随机SVM集群(Weighted-evolutionary Random SVM Cluster,WERSVMC)算法。该算法创新性地将进化的思想引入到加权随机SVM集群中,动态地从高维样本特征中逐一删减冗余特征,以获取异常特征,最终找到与这些特征相关联的异常脑区。本文结合fMRI数据和功能连接特征,利用WERSVMC对阿尔茨海默症历程展开实验研究。结果表明,WERSVMC算法对早期和晚期轻度认知障碍组的分类准确率达到了90%,对晚期轻度认知障碍和阿尔茨海默症组的分类准确率达到了88.89%。在这两组实验中,一些异常脑区(颞上回,颞中回和脑岛)被同时检测到,说明这些脑区在阿尔茨海默症历程中扮演着重要角色。而部分脑区仅出现在一组实验中,这又说明了在阿尔茨海默症的不同演化阶段中,异常脑区发生了微妙改变,这为阿尔茨海默症历程的病理研究提供了一个新视角。
【学位授予单位】：湖南师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R445.2;R749.1;TP181
【图文】：

扫描机,德国西门子

图 1-1 德国西门子 fMRI 扫描机器磁共振成像技术概述I 是基于传统 MRI 而衍生出来的一种新兴脑成像技术，它可以准确、清楚地绘制大脑的解剖图像，并理解人类在执行特定功能进行的各种神经活动。作为一种无创伤且简单易操作的脑成像工提出就成功吸引了无数科学家们的注意，并迅速被临床人员应用觉、思维记忆、疾病干预等领域。例如，科研人员能够通过 fMR象的潜在行为；医学人员能够通过 fMRI图像研究病患脑部功能的应的医疗方案。水平依赖功能磁共振成像情况下，fMRI 技术指的是血氧水平依赖功能磁共振成像(Blood

自闭症,模式网络,高时空分辨率,功能连接

基于加权随机 SVM 集群的脑科学研究现青少年患者在后扣带皮层与默认模式网络中的脑区显示出了自闭症谱系障碍与神经连接的紊乱有关。2013 年，Luo 等人森患者展开研究，发现患者组在中脑边缘-纹状体和皮质纹状的功能连接性，并为患者在神经网络的早期功能整合提供了静息态 fMRI 由于其非侵入性、高时空分辨率和操作方便等优用于阿尔茨海默症、自闭症谱系障碍和帕金森等神经系统疾病得了许多令人瞩目的成果。

分布图,分布图,特征子集,重要特征

图 3-3 寻找最优特征子集区绘了异常脑区的位置。图中的每个红色节点代表一个脑区点就越大，表明脑区出现异常的可能性越高。0 50 100 150 200 250 300 350 40000.10.20.30.40.50.60.70.8重要特征数目加权随机SVM集群的准确率

【相似文献】