基于脑MR影像不对称性特征的痴呆症早期诊断方法研究

发布时间：2017-07-31 03:20

  本文关键词：基于脑MR影像不对称性特征的痴呆症早期诊断方法研究

  更多相关文章： 阿尔兹海默病 血管性痴呆 磁共振成像 链式智能体遗传算法 支持向量机

【摘要】：痴呆是指慢性获得性进行性智能障碍综合征,防治的关键是早期无创检测并干预。阿尔兹海默病(Alzheimer's disease,AD)和血管性痴呆(Vascular dementia,VD)是最常见的痴呆类型,轻度认知障碍(Mild cognitive impairment,MCI)和血管性认知障碍(Vascular cognitive impairment,VCI)是介于正常老龄化到AD和VD之间的过渡状态,会以一定概率转化为痴呆。在痴呆症的病变过程中,大脑的不对称性会发生改变。因此,探索一种基于大脑不对称性的痴呆症早期诊断方法,对于痴呆症的干预十分重要。磁共振成像技术(Magnetic Resonance Imaging,MRI)能定量地反映大脑不同组织在结构和功能上的变化、表征代谢物浓度,并具有无创、空间分辨率高、无辐射等优势,已广泛应用于AD早期诊断。本文提取了多种脑MR影像的不对称特征,设计了基于机器学习的封装式特征学习分类集成模型,对提取的不对称特征进行特征学习和分类诊断,以获取更高更稳定的痴呆症分类诊断准确率,为基于MR影像不对称特征的痴呆早期诊断提供思路。论文的主要工作如下:提出了用于AD和VD早期诊断的封装式特征选择分类模型,通过链式智能体遗传算法进行全局特征选择,以支持向量机分类准确率作为链式智能体遗传算法的适应度值,选择最优特征子集,以降低特征维度,提升分类准确率。对于AD,测试了单个及少量不对称特征的分类能力,以及优良特征的分布。通过对特征选择前后的特征分类能力进行对比,验证了封装式特征选择分类模型的有效性。分析了正常老龄化到MCI到AD转化的过程中,对分类意义较为明显的区域及特征。对于VD,实现了封装式特征加权分类模型,通过链式智能体遗传算法进行全局特征权重搜索,以支持向量机分类准确率作为链式智能体遗传算法的适应度值,得到特征集的最优权值组合及其分类诊断准确率,并与特征选择的结果进行比较。本文基于机器学习的方法研究了脑MR影像不对称特征在AD和VD诊断中的应用,实现了高准确率的分类算法,并研究了不对称特征在其中的作用,深入了解其机理,为提供AD和VD的早期诊断提供新的研究思路和方法参考,为推动相关研究的临床化和实用化发展提供了一定的理论基础和方法依据。
【关键词】：阿尔兹海默病 血管性痴呆 磁共振成像 链式智能体遗传算法 支持向量机
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R749.1;TP18
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-12
• 1.1 引言8-9
• 1.2 国内外研究现状9-10
• 1.3 本文的主要内容10-11
• 1.4 本文文章结构11-12
• 2 基于医学影像的疾病诊断基本原理12-19
• 2.1 基于医学影像的疾病诊断流程12-13
• 2.2 医学影像预处理13
• 2.3 医学影像特征提取13-15
• 2.4 特征约简方法15-16
• 2.5 分类识别算法16-18
• 2.6 本章小结18-19
• 3 基于脑MR影像不对称性特征的阿尔兹海默病早期诊断19-41
• 3.1 阿尔兹海默病磁共振影像预处理19-21
• 3.2 阿尔兹海默病磁共振影像不对称特征提取21-24
• 3.3 阿尔兹海默病磁共振影像不对称特征选择24-28
• 3.4 基于SVM的阿尔兹海默病分类识别28-36
• 3.4.1 实验条件28-29
• 3.4.2 分类识别结果29-32
• 3.4.3 ROC曲线32-33
• 3.4.4 特征选择前后分类识别结果比较33
• 3.4.5 与其他算法性能比较33-35
• 3.4.6 与基于假设检验的选择分类结果比较35-36
• 3.5 不对称性特征分类能力及其分布分析36-40
• 3.5.1 不对称性特征分类能力分析36-38
• 3.5.2 不对称性特征的分布38-39
• 3.5.3 少量特征的分类能力分析39-40
• 3.6 本章小结40-41
• 4 基于脑MR影像不对称性特征的血管性痴呆早期诊断41-58
• 4.1 血管性痴呆磁共振影像不对称特征学习41-44
• 4.1.1 血管性痴呆影像不对称特征选择42-43
• 4.1.2 血管性痴呆影像不对称特征加权43-44
• 4.2 分类识别结果44-51
• 4.2.1 实验条件44-48
• 4.2.2 特征选择分类识别结果48-49
• 4.2.3 特征加权分类识别结果49-50
• 4.2.4 与基于假设检验的选择分类结果比较50-51
• 4.3 特征不对称性分析51-57
• 4.3.1 特征选择不对称性分析51-54
• 4.3.2 特征加权不对称性分析54-57
• 4.4 本章小结57-58
• 5 总结与展望58-60
• 5.1 论文总结58-59
• 5.2 未来工作展望59-60
• 致谢60-61
• 参考文献61-65
• 附录65-66
• A. 作者在攻读学位期间取得的科研成果65
• B. 作者在攻读学位期间参与的科研项目65-66

【相似文献】

中国期刊全文数据库 前10条

1 何兰;范继红;;基因芯片数据特征选择法研究[J];医学信息学杂志;2012年10期

2 吴红霞;吴悦;刘宗田;雷州;;基于Relief和SVM-RFE的组合式SNP特征选择[J];计算机应用研究;2012年06期

3 邵欢;李国正;刘国萍;王忆勤;;多标记中医问诊数据的症状选择[J];中国科学:信息科学;2011年11期

4 杨立才;李金亮;姚玉翠;吴晓晴;;基于F-score特征选择和支持向量机的P300识别算法[J];生物医学工程学杂志;2008年01期

5 蔡立军;沈小乔;林亚平;蒋林波;;一种改进的基因表达数据分类方法[J];湖南大学学报(自然科学版);2007年03期

6 刘峤;王娟;陈伟;秦志光;;用于全基因组关联分析的一种基因自动选择算法研究[J];航天医学与医学工程;2010年04期

7 李昕;赵春;王惠惠;赵芳芳;;一种面向生物信息学数据的模式选择算法研究[J];生物医学工程学杂志;2011年05期

8 高智勇,龚健雅,秦前清,林家瑞;恶性肿瘤相关改变检测方法的研究进展[J];北京生物医学工程;2005年02期

9 周华英;张启蕊;罗漫;王鹤娴;;医药文本分类特征选择的研究[J];辽宁中医药大学学报;2011年06期

10 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 靖红芳;王斌;杨雅辉;;基于类别分布的特征选择框架[A];第四届全国信息检索与内容安全学术会议论文集（上）[C];2008年

2 李长升;卢汉清;;排序学习模型中的特征选择[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

3 刘功申;李建华;李生红;;基于类信息的特征选择和加权方法[A];NCIRCS2004第一届全国信息检索与内容安全学术会议论文集[C];2004年

4 倪友平;王思臣;马桂珍;陈曾平;;分支界定算法在低分辨雷达飞机架次判别中的应用[A];第十三届全国信号处理学术年会（CCSP-2007）论文集[C];2007年

5 李泽辉;聂生东;陈兆学;;应用多类SVM分割MR脑图像特征选择与优化的实验研究[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

6 蒙新泛;王厚峰;;主客观识别中的上下文因素的研究[A];中国计算机语言学研究前沿进展（2007-2009）[C];2009年

7 万京;王建东;;一种基于新的差异性度量的ReliefF方法[A];2009年研究生学术交流会通信与信息技术论文集[C];2009年

8 范丽;许洁萍;;基于GMM的音乐信号音色模型研究[A];第四届和谐人机环境联合学术会议论文集[C];2008年

9 陈友;戴磊;程学旗;;基于MRMHC-C4．5的IP流分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

10 申f;杨宏晖;袁帅;;用于水声目标识别的互信息无监督特征选择[A];第三届上海——西安声学学会学术会议论文集[C];2013年

中国博士学位论文全文数据库 前10条

1 李静;高维数据交互特征选择和分类研究[D];燕山大学;2015年

2 刘风;基于磁共振成像的多变量模式分析方法学与应用研究[D];电子科技大学;2014年

3 王石平;粗糙拟阵及其在高维数据降维中的应用研究[D];电子科技大学;2014年

4 代琨;基于支持向量机的网络数据特征选择技术研究[D];解放军信息工程大学;2013年

5 王爱国;微阵列基因表达数据的特征分析方法研究[D];合肥工业大学;2015年

6 王博;文本分类中特征选择技术的研究[D];国防科学技术大学;2009年

7 张明锦;基于特征选择的多变量数据分析方法及其在谱学研究中的应用[D];华东理工大学;2011年

8 高青斌;蛋白质亚细胞定位预测相关问题研究[D];国防科学技术大学;2006年

9 冯国忠;文本分类中的贝叶斯特征选择[D];东北师范大学;2011年

10 张丽新;高维数据的特征选择及基于特征选择的集成学习研究[D];清华大学;2004年

中国硕士学位论文全文数据库 前10条

1 张金蕾;蛋白质SUMO化修饰位点预测的数据挖掘技术研究[D];西北农林科技大学;2015年

2 史德飞;自适应特征选择在线瓷砖分类系统[D];南京大学;2014年

3 马铮;网络流量特征分析与特征选择[D];北京邮电大学;2013年

4 徐冬;基于特征选择的入侵检测方法研究[D];吉林大学;2016年

5 郑芳泉;稀有数据的集成特征选择与入侵检测[D];福州大学;2013年

6 徐子伟;基于分步特征选择和组合分类器的电信客户流失预测模型[D];中国科学技术大学;2016年

7 肖丽莎;半监督特征选择关键技术研究[D];西南交通大学;2016年

8 李昌;概率特征选择分类向量机[D];中国科学技术大学;2016年

9 黄春虎;基于ReliefF-FCBF组合的入侵特征选择算法研究[D];新疆大学;2016年

10 谭蕴琨;面向稀疏数据的在线学习特征选择方法研究[D];华南理工大学;2016年

，

本文编号：597277