基于字典对学习的轻度认知功能障碍识别

发布时间：2020-07-10 12:36

【摘要】：轻度认知功能障碍(MCI)是正常老龄化与阿尔兹海默症(AD)的过渡阶段,并且MCI具有高风险转化为阿尔兹海默症(AD)的可能性。随着老龄化进程的推进,阿尔兹海默症患病率逐渐增加,但是现阶段是无法治愈的,因此MCI作为阿尔兹海默症的高风险转化阶段就成了AD预防的重点,进而成为研究的热点。本文主要是将字典对学习引入轻度认知功能障碍识别,对经典的字典学习算法进行分析研究找出其中的优缺点,利用编码系数的稀疏性,引入图正则化和半监督学习,提出了监督和半监督的图正则化字典对学习算法对轻度认知功能障碍进行分类识别。具体的研究工作如下:1.针对图像分类中并不能保证所有特征都有利于分类,可能会存在一些无关特征,造成过拟合现象的问题,本文通过对字典学习算法的研究分析,发现编码系数的稀疏性可以减小无关特征影响,对比分析了字典学习算法应用于轻度认知功能障碍识别的研究现状。2.针对字典对学习算法只考虑重构误差和不同类上系数的稀疏性,没有考虑图像的近邻几何拓扑关系的问题,本文提出了图正则化字典对学习算法。利用图正则化项来保持图像的近邻几何拓扑关系,增加不同类样本之间的可区分性。并在ADNI1数据集上的MRI图像中,对MCI进行细分为进展型MCI(PMCI)和稳定型MCI(SMCI),实验证明图正则化字典对学习算法应用于轻度认知功能障碍的预测比直接用提取特征加分类器的效果好。3.针对有医生标记的MRI图像样本数量少而有较多未标记样本,样本信息缺失不全无法标记的问题,在图正则化字典对学习算法的基础上,本文提出了半监督图正则化字典对学习算法,将应用于轻度认知功能障碍识别。为了充分利用已有的图像资源,将无标签样本添加到标签样本中进行字典学习,并通过重构误差在所有类重构误差之和上的概率,对无标签样本打标签。在ADNI1数据集上对PMCI和SMCI分类,和扩展的的ADNI数据集上进行阿尔兹海默症(AD)和正常的对照组(NL)、阿尔兹海默症(AD)和轻度认知功能障碍(MCI)、轻度认知功能障碍(MCI)和正常对照组(NL)三组实验上,实验证明半监督图正则化字典对学习算法比图正则化字典对学习算法的准确率有进一步的提高。
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R749.1;TP391.41;TP181
【图文】：

图 1.1 MCI 患者表现[1]和阿尔兹海默症之间的过渡阶段，是老年功能障碍识别和转化是十分必要的，也是 C. Huang 等人，认为在 MCI 中，一些

015年痴呆人口统计

MCI转化

【参考文献】

相关期刊论文 前5条

1 郭艳卿;王久君;郭君;;局部保持“字典对”学习算法及其应用[J];信息安全研究;2015年01期

2 丁玎;洪震;;老年性痴呆和轻度认知功能障碍的流行病学研究进展[J];中国临床神经科学;2013年01期

3 王善钻;夏向南;;老年人轻度认知功能障碍的研究现状和进展[J];医学综述;2010年18期

4 张连春;陶华英;;轻度认知功能障碍转化为阿尔茨海默病的预测研究[J];医学综述;2007年20期

5 王晓明;蔡亚梅;;轻度认知功能障碍的研究现状及展望[J];川北医学院学报;2007年03期

本文编号：2748918