基于SVM和结构性MRI数据的AD病程分类研究

发布时间：2017-07-02 21:22

  本文关键词：基于SVM和结构性MRI数据的AD病程分类研究

  更多相关文章： 支持向量机 阿尔茨海默病 轻度认知功能障碍 核磁共振成像 分类预测

【摘要】：目的:用支持向量机(Support vector machines,SVM)模型方法基于结构性脑核磁共振成像(Magnetic resonance imaging,MRI)影像学数据,对阿尔茨海默病(Alzheimer’s Disease,AD)的不同疾病进程进行分类预测研究,帮助疾病的辅助诊断。方法:从阿尔茨海默病神经影像数据库(Alzheimer’s Disease Neuroimaging Initiative,ADNI)随机选择543例研究对象:认知功能正常组139人,早期轻度认知障碍组220人,晚期轻度认知障碍组108人和阿尔茨海默病组76人。收集每个研究对象的272项MRI数据(49项脑区的皮质下体积、69项皮质体积、68项皮质厚度、70项表面积及16项海马结构亚区体积)、简易精神状态检查(Mini Mental State Examination,MMSE)量表评分结果、年龄、性别和受教育程度等研究指标。采用方差分析,非参数检验和相关性分析的统计学方法进行数据预处理。然后将提取的特征参数输入SVM模型,随机划分训练集和测试集样本,并用训练集样本训练分类器模型,测试集样本进行测试,从而实现AD病程的分类预测。结果:300例样本训练集,243例测试集样本的不同指标分类预测准确率:276项指标的训练集预测准确率为78.07%,测试集样本预测准确率为46.91%;54项指标训练集样本预测结果为100%,测试集样本预测准确率为99.17%;8项指标训练集样本预测结果为100%,测试集样本预测准确率为64.19%;135项指标训练集样本预测结果为100%,测试集样本预测准确率为56.37%;45项指标训练集样本预测结果为100%,测试集样本预测准确率为77.77%;25项指标训练集样本预测结果为100%,测试集样本预测准确率为61.31%。400例样本训练集,276项指标的训练集预测准确率为88.50%,测试集样本预测准确率为50.34%;54项指标训练集样本预测结果为100%,测试集样本预测准确率为99.30%。488例项样本训练集,276项指标的训练集预测准确率为78.07%,测试集样本预测准确率为54.54%;54项指标训练集样本预测结果为100%,测试集样本预测准确率为100%。结论:本研究提取的MRI数据结合构建的SVM模型获得较为精确的分类预测结果。方差分析提取指标的分类预测准确率最好。根据预测结果可以确定与疾病相关的数据特征,为临床和基础研究、探讨病因和病理改变提供依据。增加纵向样本还可实现MCI向AD转化率的预测。
【关键词】：支持向量机 阿尔茨海默病 轻度认知功能障碍 核磁共振成像 分类预测
【学位授予单位】：山西医科大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R749.16;R445.2
【目录】：

• 中文摘要6-8
• 英文摘要8-10
• 常用缩写词中英文对照表10-11
• 前言11-13
• 1 研究对象的选取13-15
• 1.1 研究对象13
• 1.2 数据库13
• 1.3 一般资料13-15
• 2 数据预处理15-23
• 2.1 MRI检测及数据预处理方法15-21
• 2.2 认知心理学量表评分分析21
• 2.3 特征的提取21-23
• 3 数据预处理结果23-41
• 3.1 单因素方差分析结果23-29
• 3.2 非参数检验结果29-39
• 3.3 相关性分析结果39-41
• 4 模型方法41-52
• 4.1 SVM模型算法41-43
• 4.2 SVM模型的分类预测43-44
• 4.3 SVM模型分类预测结果44-52
• 5 讨论52-58
• 5.1 数据预处理52-54
• 5.2 SVM分类预测模型54-55
• 5.3 提取的特征与AD55-58
• 6 结论58-59
• 参考文献59-63
• 综述63-77
• 参考文献70-77
• 致谢77-78
• 在学期间承担/参与的科研课题与研究成果78-79
• 个人简历79

【相似文献】

中国重要会议论文全文数据库 前4条

1 王步华;李同;金翼;赵宏雷;;浅谈提高负荷预测准确率的方法与措施[A];2007中国电机工程学会电力系统自动化专委会供用电管理自动化学科组（分专委会）二届三次会议论文集[C];2007年

2 徐斌;;消除小气候对风电场风电功率预测系统预测准确率的影响[A];中国风电生产运营管理(2013)[C];2013年

3 赵岩;张新平;刘锦英;郑凯;;“移动平均法”提高日负荷预测准确率在地区电网中的应用[A];山东电机工程学会第五届供电专业学术交流会论文集[C];2008年

4 李西泉;陈伟;朱军飞;;提高湖南电网短期负荷预测准确率的分析与思考[A];中南七省（区）电力系统专业委员会第二十二届联合学术年会论文集[C];2007年

中国重要报纸全文数据库 前10条

1 本报记者 郭起豪 通讯员 王超 阳揣环;提高预报准确率关键是什么?[N];中国气象报;2008年

2 记者 严志亮　通讯员 施战辽;金华电业局负荷预测准确率连续十年全省第一[N];金华日报;2011年

3 通讯员 施战辽　楼玲俊;金华电业局负荷预测准确率连续十年浙江第一[N];科技日报;2011年

4 程玲　王希波;提高负荷预测准确率[N];国家电网报;2010年

5 本报记者　 潘建梁;4月份研究员业绩预测准确率排名火热出炉[N];上海证券报;2006年

6 李晔;我国短期气候预测准确率提高[N];大众科技报;2004年

7 本报评论员;稳扎稳打 切实提高预报预测准确率[N];中国气象报;2008年

8 通讯员 刘国萍;昆明市局与云南大学开展全方位合作[N];中国气象报;2014年

9 ;开拓奋进 再创辉煌[N];中国气象报;2003年

10 记者贾西平、刘毅;气象部门为建设小康提供优质服务[N];人民日报;2003年

中国硕士学位论文全文数据库 前3条

1 杨亚超;基于SVM和结构性MRI数据的AD病程分类研究[D];山西医科大学;2016年

2 翟祥志;“机理＋辨识”策略中电力负荷预测准确率的上限估计[D];天津大学;2008年

3 魏玮;错误预测有用吗？—信息偏差对消费者决策制定的影响研究[D];清华大学;2012年

  本文关键词：基于SVM和结构性MRI数据的AD病程分类研究

  更多相关文章： 支持向量机 阿尔茨海默病 轻度认知功能障碍 核磁共振成像 分类预测

，

本文编号：511334