基于静息态fMRI特征提取的ADHD分类研究
发布时间:2017-05-18 10:23
本文关键词:基于静息态fMRI特征提取的ADHD分类研究,,由笔耕文化传播整理发布。
【摘要】:注意缺陷多动障碍(Attention Deficit Hyperactivity Disorder, ADHD)是一种在儿童时期常见的由精神失调而引起的疾病,主要症状是多动、注意力不集中,近几年相关研究发现一部分成年人也出现了同样的病症。目前对ADHD的诊断治疗已经引起我国甚至是世界的高度重视,但是由于ADHD的病因和发病机制至今尚不明确,为其诊断治疗带来了较大的难度,因此寻求客观的诊疗依据是研究的热点也是难点。 在脑神经认知科学研究中,模式识别技术是一种重要的手段,与支持向量机、人工智能相结合用于处理图像分类以及功能磁共振的时间信号。本文是基于模式识别特征提取的fMRI刚图像ADHD分类研究。数据样本由ADHD-200大赛提供。首先将全脑的体素按照一定的大小划分成若干区域模块,同时进行掩膜处理。其次将剩余的区域模块平均并做相关计算,由相关系数作为功能连接特征进行分类。然后利用类内类间距离法对特征进行初步筛选。为了提高运算效率,本文采用局部线性嵌入法对特征矩阵做降维处理,得到低维空间中的映射矩阵。利用SVM(Support Vector Machine)支持向量机对特征值进行分类计算得出分类模型,并进一步采用5倍交叉验证测试分类的正确率用于判定分类效果。 实验结果显示分类效果较好,最高分类准确率达到了85.71%,说明将大脑区域划分随机选取产生感兴趣区域模板的方法具有可行性,在今后的ADHD分类研究中需要做更深入的探讨。
【关键词】:静息态 ADHD 全脑模块分区 功能连接特征 局部线性嵌入 SVM
【学位授予单位】:北京交通大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:R749.94;R445.2
【目录】:
- 致谢5-6
- 中文摘要6-7
- ABSTRACT7-9
- 目录9-11
- 1 绪论11-15
- 1.1 研究背景11-13
- 1.1.1 ADHD及其诊断11-12
- 1.1.2 静息态功能磁共振成像技术12
- 1.1.3 脑功能的模式识别技术12-13
- 1.2 研究内容及意义13
- 1.3 本文主要工作13-15
- 2 研究方法概述15-29
- 2.1 静息态fMRI基础与原理15-17
- 2.1.1 fMRI成像原理15-16
- 2.1.2 fMRI数据结构与分析16-17
- 2.2 功能连接分析法17-20
- 2.3 模式识别技术20-29
- 2.3.1 类内类间距离判别法21
- 2.3.2 局部线性嵌入21-22
- 2.3.3 支持向量机分类22-29
- 3 基于功能连接的ADHD分类结果与讨论29-37
- 3.1 实验算法29-30
- 3.2 数据获取及预处理30
- 3.3 ADHD分类算法实现30-32
- 3.4 支持向量机的GUI分类界面32-33
- 3.5 实验结果33-36
- 3.6 实验讨论36-37
- 4 不同大脑分区下分类比较37-43
- 4.1 实验背景37-38
- 4.2 实验数据38
- 4.3 不同大脑分区下分类研究38-41
- 4.4 实验结果与讨论41-43
- 5 总结与展望43-44
- 5.1 总结43
- 5.2 展望43-44
- 参考文献44-48
- 作者简历48-50
- 学位论文数据集50
【参考文献】
中国期刊全文数据库 前10条
1 闫超;;基于改进的SVM线性可分文本分类算法[J];电脑开发与应用;2010年08期
2 张娜;张永平;;支持向量机的算法及应用[J];福建电脑;2011年02期
3 诸颖;冉铁成;李晴暖;徐晶莹;李文新;;放射性核素示踪技术在碳纳米颗粒生物效应研究中的应用[J];核化学与放射化学;2010年01期
4 付香英;王春丽;王芳;;非线性可分文本的SVM算法研究与改进[J];九江学院学报;2008年03期
5 薄树奎;李盛阳;朱重光;;基于统计学的最近邻查询中维数灾难的研究[J];计算机工程;2006年21期
6 罗瑜;李涛;王丹琛;何大可;;支持向量机中核函数的性能评价策略[J];计算机工程;2007年19期
7 胡骏;;支持向量机理论探讨[J];科技创业月刊;2012年03期
8 姚旭;王晓丹;张玉玺;权文;;特征选择方法综述[J];控制与决策;2012年02期
9 梁凤;毛洁萍;杨新玲;;PET在神经病学领域的应用[J];中国临床神经科学;2011年05期
10 王湘庆;郎森阳;;功能磁共振技术在癫痫研究中的应用[J];中国全科医学;2006年07期
本文关键词:基于静息态fMRI特征提取的ADHD分类研究,由笔耕文化传播整理发布。
本文编号:375820
本文链接:https://www.wllwen.com/yixuelunwen/jsb/375820.html
最近更新
教材专著