基于磁共振成像的孤独症模式分类研究

发布时间：2020-06-15 09:58

【摘要】：近年来随着科技进步和研究深入,出现了机器学习和疾病诊断相结合的应用研究,这种跨学科的综合研究对临床应用具有重要的价值。但是基于磁共振成像针对孤独症这一亚类的模式分类研究很少,此外,对于孤独症和阿斯伯格综合征的差异研究也不多。所以本论文尝试基于结构和功能磁共振数据,分别针对上述2类被试群体展开研究。研究对象包括37名健康对照组被试,28名孤独症被试,以及21名阿斯伯格综合征被试。论文的主要研究工作及贡献包括以下2个方面:(1)基于磁共振成像和模式分类技术,利用孤独症被试和健康被试磁共振成像数据进行模式分类,形成有效的分类模型,继而为诊断孤独症提供参考性依据。主要方法是通过收集被试磁共振影像数据,计算相应指标,包括局部一致性(ReHo),低频振幅(ALFF),度中心性(DC),灰质体积(GMV),白质体积(WMV),然后通过统计找出孤独症组和健康被试组差异脑区,提取相应脑区影像数据,利用支持向量机算法进行模式分类,从而建立并检验分类模型的分类准确率。我们发现,在孤独症组和健康对照组被试数据进行模式分类的训练和测试中,分类模型准确率最高能达到87.10%。意味着将来应用到临床上有一定的诊断参考意义。(2)计算静息态磁共振成像相关指标,寻找阿斯伯格综合征异常行为的潜在因素,并探寻孤独症和阿斯伯格综合征之间的差异。主要方法是通过对孤独症组和阿斯伯格综合征组的指标进行统计分析,发现差异脑区,并和行为数据做相关分析,从而探索阿斯伯格综合征异常行为表现的潜在因素。行为数据包括韦氏智力量表和孤独性诊断访谈量表。我们发现,在两样本T检验中,阿斯伯格综合征组ALFF、ReHo值均显著高于健康对照组的有左侧角回、和右侧小脑。阿斯伯格综合征组ALFF、ReHo值均显著低于孤独症组的有眶额叶和额中回。两样本T检验中,阿斯伯格综合征组ALFF值均低于健康对照组和孤独症组的脑区有右侧额中回。而对于左侧角回的ALFF值,阿斯伯格综合征显著高于健康对照组,同时显著低于孤独症组。本论文是把机器学习应用到疾病诊断中的一次重要尝试。其次,也对阿斯伯格综合征有了进一步的认识,这为本论文未来的研究工作奠定了坚实的基础。
【学位授予单位】：杭州师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：B841
【图文】：

模式分类,测试集,训练集,准确率

杭州师范大学硕士学位论文孤独症模式分类validation, LOOCV）。分类步骤详见图 3-1.五折交叉验证法和二十折交叉验证法都属于 K 折交叉验证法，是把样本分为 K 份，每次留 1 份作为测试集，K-1 份作为训练集，以计算 K 次所得到的分类准确率的平均值，作为这个分类模型的分类准确率。留一法每次只留下一个样本作为测试集，其余的作为训练集，同样是把多次的平均准确率作为预测准确率。相比 K 折交叉验证，留一交叉验证法计算更为为繁琐，但是样本利用率最高，适合小样本数据模式分类。

孤独症,准确率,模式分类,数据量

22图 3-2 孤独症组和健康对照组显著差异脑区图3.4.2 模式分类准确率在对特征指标进行两样本 T 检验之后，把有显著差异的脑区的指标平均值提取出来，作为模式分类建立模型和测试的数据。由于有多个特征，一般而言，特征数据越有代表性，数据量越大，分类模型的分类效率和准确率就越高。而数据量大，但有些数据没有很好的区分度，就是分类对象在该指标上差异不大，那么这些数据反而会拉低分类准确率。换言之，只有在保证数据区分度的前提下，

【相似文献】