基于线性混合效应的结构脑影像分析及分类研究

发布时间：2022-08-09 19:30

　　利用弥散张量成像技术探究大脑的结构特征以及大脑的结构连接网络是当前脑疾病研究的重要方法之一。利用弥散张量成像技术得到的结构脑影像数据被广泛地应用于对人格的探索以及研究中。在计算机领域中,针对各种各样的大脑影像成像模式,复杂网络理论能够非常直观地解释其对应的结果,适用于人脑的研究,可以在空间上对人脑进行划分,并研究大脑的各个区域。这些方法能够有效的鉴别人格特质,准确地诊断各类精神类脑疾病。然而在已有研究中,经常忽略掉现实情况中年龄和性别等混杂因素对于大脑结构影像数据的影响,忽略数据可能存在的聚集性特征,导致特征选取的有效性降低,最终造成分类准确率的降低。之前有研究采用多元线性相关的方法,考虑多个混杂因素对数据的影响。然而,多元线性相关分析的方法会忽略数据的非独立性等特征,无法对影响因素进行正确的估计和假设检验。为了解决这些问题,本文提出了一种基于线性混合效应模型进行相关性分析的方法。本文主要工作如下:第一,分析结构影像数据,对结构数据进行预处理,提取脑影像结构特征,构建结构网络,提取结构网络属性,研究人格特质与结构影像特征的相关性。第二,针对数据集由于年龄和性别因素而存在的聚集性问题,充... 

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

论文组织结构图

大脑结构网络的构建流程

0折交叉验证Fig.3-110foldcrossvalidation


本文编号：3673153