基于磁共振数据的特征选择方法研究

发布时间：2017-08-28 03:13

  本文关键词：基于磁共振数据的特征选择方法研究

  更多相关文章： 磁共振成像 特征选择 模式识别 稳定选择 弹性网

【摘要】：特征选择方法是模式识别中的一个重要组成部分,它的作用在于增强识别的效应和发现医学影像分析中潜在的生物学标记。然而分析磁共振这种典型的高维小样本数据(而且特征间相关较强,大量特征冗余),传统的多变量分析方法在较多时候得到的都是一些不稳定和不可靠的结果。为了提高发现的生物标记物的可解释性和之后的分类器的可靠性,本文对磁共振数据的特征选择方法进行研究:通过对磁共振数据的特点分析,找到一种结合稳定选择方法和弹性网结合的特征选择方法,并利用仿真实验证明其相比于传统的多变量方法具有明显的鲁棒性优势;通过对多中心注意力缺失症病人(attention deficit/hyperactivity disorder,ADHD)的分析,发现了这种方法对于多中心网络数据也具有优势;通过对面孔识别的数据分析,发现此方法对于结构数据的有效性。主要工作如下:1通过对磁共振数据特点的分析,提出了一种结合稳定选择方法(stability selection,SS)和弹性网(Elastic net,EN)的特征选择方法(SS-EN)。通过对仿真数据的实验,我们发现,该方法相较于传统的多变量方法,在较强的噪声干扰下,依然能得到较好的结果,即该方法具有很强的鲁棒性。2通过对多中心ADHD数据建立诊断模型,寻找其客观的生物标记物并进行了分类。结果证实了SS-EN算法对真实功能磁共振数据的有效性,不仅得到的生物标记物有明显的生理学意义,而且算法得到的特征用于分类也能得到比其他方法更好的结果。3通过对面孔识别数据进行处理,寻找其脑激活区域。我们的研究证实了SS-EN算法对于检测认知任务的关键区域的有效性,并通过与其他方法的对比,发现了SS-EN算法能够检测到空间连续性更好的区域。
【关键词】：磁共振成像 特征选择 模式识别 稳定选择 弹性网
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R445.2
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-19
• 1.1 引言10
• 1.2 核磁共振成像技术概述10-14
• 1.2.1 核磁共振原理10-11
• 1.2.2 磁共振图像的建立11-13
• 1.2.3 功能磁共振原理13-14
• 1.3 基于磁共振数据的特征选择方法研究14-18
• 1.3.1 监督式特征选择14-17
• 1.3.2 非监督式特征选择17-18
• 1.4 论文的研究内容18
• 1.5 论文结构安排18-19
• 第二章 一种用于MRI数据的特征选择方法19-29
• 2.1 引言19
• 2.2 研究现状19-20
• 2.3 算法研究20-23
• 2.3.1 稳定选择算法20-21
• 2.3.2 算法框架21-22
• 2.3.3 对比算法22
• 2.3.4 算法的参数选择问题22-23
• 2.4 仿真数据构造23-24
• 2.5 实验流程24
• 2.6 实验结果与讨论24-27
• 2.7 本章小结27-29
• 第三章 基于多中心ADHD的功能连接研究29-37
• 3.1 引言29
• 3.2 材料与方法29-32
• 3.2.1 研究对象29-30
• 3.2.2 数据预处理30
• 3.2.3 脑区域分解30
• 3.2.4 全脑功能连接30-31
• 3.2.5 特征选择方法31
• 3.2.6 分类方法31
• 3.2.7 分类性能评估31-32
• 3.3 结果与讨论32-36
• 3.3.1 特征选择结果32-33
• 3.3.2 分类结果33-35
• 3.3.3 方法比较35-36
• 3.4 本章小结36-37
• 第四章 基于磁共振数据的面孔识别研究37-41
• 4.1 引言37
• 4.2 材料与方法37-39
• 4.2.1 研究对象37-38
• 4.2.2 实验程序38
• 4.2.3 影像数据收集与数据预处理38
• 4.2.4 实验方法38-39
• 4.3 实验结果与讨论39-40
• 4.4 本章小结40-41
• 第五章 总结与展望41-43
• 5.1 本文总结41
• 5.2 工作展望41-43
• 致谢43-44
• 参考文献44-49
• 硕士期间的研究成果49-50

【参考文献】

中国期刊全文数据库 前1条

1 刘建刚;李玲;;基于fMRI的Top-down面孔加工神经机制的研究现状[J];北京生物医学工程;2011年02期

，

本文编号：747108