当前位置:主页 > 医学论文 > 精神病论文 >

多模态磁共振儿童精神障碍的模式分类

发布时间:2017-06-03 10:07

  本文关键词:多模态磁共振儿童精神障碍的模式分类,,由笔耕文化传播整理发布。


【摘要】:摘要:儿童时期常见的精神障碍类疾病发病率高,以孤独症和注意力缺陷多动症最为常见,临床诊断方法主观性强。近年来磁共振技术飞速发展,已成为脑科学研究的一个重要手段,促进了人们对大脑的认识与研究。其中,磁共振结构像能够直观的测量大脑形态的变化,功能磁共振能够快速无损的反映大脑功能活动。 本文研究多模态磁共振图像的自动分类方法,对比孤独症和多动症患者与正常人大脑内部的差异性,提取特征,进行分类。研究该类疾病的分类方法不仅可使患者能够早期自动诊断,也可以认知疾病引起的大脑形态和功能的变化规律,具有重要的临床和科学研究意义。 本文对31名孤独症患者、49名多动症患者和48名正常对照组进行分析,利用多模态的磁共振数据自动识别儿童精神障碍: 1、首先对磁共振的结构图像做去头皮、偏场校正等预处理。对三维大脑图像进行分割,得到68个脑区和5类大脑皮层特征,共340个形态学特征。然后对所有的形态学特征进行统计分析和序列前向选择,提取优化的形态学特征集合,最后使用支持向量机对得到的特征进行训练和分类。结果:对孤独症患者和正常人进行分类,SVM-SFS的平均测试准确率可达到93.67%。 2、对功能磁共振数据进行头动校正、图像配准和分割等预处理,再进行独立成分分解,得到一系列统计独立的分量,提取相应的时间序列。对距离矩阵的建模后通过流形分析,将高维空间的功能数据映射到低维空间,提取特征进行分类。结果:支持向量机对于多动症与正常人的分类准确率能够达到87.6%,孤独症和正常人的分类准确率接近80%。 通过对模式分类结果的分析,可以了解孤独症和多动症与正常人的大脑,在特定结构和功能上都存在着差异。这些差异可以作为特征,对患者与正常人进行自动识别,得到很好的分类结果。本文研究可以为今后孤独症和多动症的临床计算机辅助诊断系统的构建和应用打下基础,也为深入认识这些疾病的大脑变化规律提供线索。
【关键词】:孤独症 多动症 磁共振 特征提取 模式分类
【学位授予单位】:中南大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:R749.94;TP391.41
【目录】:
  • 摘要4-5
  • Abstract5-7
  • 目录7-9
  • 1 绪论9-17
  • 1.1 研究背景和研究意义9-10
  • 1.2 研究现状10-15
  • 1.2.1 孤独症和ADHD的临床研究10-11
  • 1.2.2 孤独症和ADHD大脑机制主要研究方法11-12
  • 1.2.3 孤独症的多模态磁共振成像研究12-13
  • 1.2.4 ADHD多模态磁共振成像研究现状13-14
  • 1.2.5 模式分类自动识别方法研究现状14-15
  • 1.3 本文研究内容15-17
  • 2 多模态磁共振成像和支持向量机原理17-23
  • 2.1 MRI原理17-19
  • 2.1.1 磁共振成像原理及特点17-18
  • 2.1.2 功能磁共振成像基本原理18-19
  • 2.2 模式分类19-22
  • 2.2.1 特征选择及提取19
  • 2.2.2 支持向量机原理19-21
  • 2.2.3 支持向量机核函数21-22
  • 2.3 本章小结22-23
  • 3 孤独症结构像的模式分类23-33
  • 3.1 数据和预处理23-25
  • 3.1.1 实验数据23
  • 3.1.2 数据预处理23-25
  • 3.2 基于t检验与序列前向选择法的特征提取模式25-28
  • 3.2.1 t检验统计分析25-26
  • 3.2.2 序列前向选择法26-28
  • 3.3 基于SVM模式分类研究28-32
  • 3.3.1 SVM参数选择28
  • 3.3.2 实验结果28-32
  • 3.4 本章小结32-33
  • 4 ADHD和孤独症的静息态功能像的模式分类33-43
  • 4.1 数据和预处理33-35
  • 4.1.1 实验数据33
  • 4.1.2 数据预处理33-35
  • 4.2 基于ICA与ISOMAP的特征提取35-40
  • 4.3 基于SVM模式分类研究40-42
  • 4.4 小结42-43
  • 5 总结与展望43-45
  • 5.1 总结43-44
  • 5.2 工作展望44-45
  • 参考文献45-50
  • 附录150-51
  • 攻读学位期间主要的研究成果51-52
  • 致谢52

【参考文献】

中国期刊全文数据库 前3条

1 安龙;丁峻;;孤独症脑结构性关联异常[J];健康研究;2010年03期

2 谢娟英;雷金虎;谢维信;高新波;;基于D-score与支持向量机的混合特征选择方法[J];计算机应用;2011年12期

3 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


  本文关键词:多模态磁共振儿童精神障碍的模式分类,由笔耕文化传播整理发布。



本文编号:417853

资料下载
论文发表

本文链接:https://www.wllwen.com/yixuelunwen/jsb/417853.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户ee622***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com