基于SVM的MCI功能影像数据分类研究

发布时间：2017-06-25 07:07

  本文关键词：基于SVM的MCI功能影像数据分类研究，由笔耕文化传播整理发布。

【摘要】：传统的MCI检查方法周期长、误差较大。随着功能影像技术的发展,fMRI被逐渐应用到MCI诊断中,但是诊断仍需要依靠医生的经验,难以推广。利用数据挖掘技术分析fMRI数据,建立诊断模型,可以更好地辅助临床诊断。而如何提取MCI的分类特征,构建分类器等均是构建诊断模型的关键。 本研究在已有研究的基础上,研究MCI的特征提取和分类模型的构建。首先提取单体素BOLD效应作为分类特征,利用SVM构建单体素弱分类器,筛选正确率较高的单体素分类器,利用AdaBoost构建集成分类器,用于辅助MCI的临床诊断。本文主要工作如下： (1)分析MCI的fMRI数据特点,提取单体素的BOLD曲线变化特征。 (2)利用SVM算法,构建单体素弱分类器；通过LOPO方法测试分类效果,筛选了准确率较高的弱分类器,并简单分析了这些体素的分布区域,实验结果表明,正确率较高的体素所在区域均为MCI的关键脑区。 (3)采用AdaBoost算法,集成筛选出的弱分类器,建立了分类精度更高的集成分类器,平均正确率达到80%；在此基础上,进一步分析了分类器的泛化能力,实验结果表明该方法具有较好的泛化能力。 总之,本文的研究结果充分证明,通过SVM对fMRI数据分类的方法可行,能够有效地辅助MCI诊断,对于相关认知疾病的研究有着一定的参考和应用价值。
【关键词】：轻度认知障碍 特征提取 支持向量机 分类算法 分类器集成
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：R310;TP311.13
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 第一章 绪论9-19
• 1.1 研究背景和意义9-10
• 1.2 国内外研究现状10-16
• 1.2.1 fMRI数据分析研究现状11-15
• 1.2.2 MCI研究现状15-16
• 1.3 工作内容与论文结构安排16-19
• 第二章 MCI的诊断现状分析19-23
• 2.1 MCI诊断现状19
• 2.2 MCI量表检查19-20
• 2.3 MCI影像学检查20
• 2.4 MCI认知实验检查20-22
• 2.5 本章小结22-23
• 第三章 研究方案与主要技术23-37
• 3.1 研究方案23-25
• 3.2 分类算法的选择25-26
• 3.3 SVM分类器的理论基础26-29
• 3.4 单体素分类器的训练29-31
• 3.5 单体素分类器的集成31
• 3.6 分类器集成算法简介31-34
• 3.7 本章小结34-37
• 第四章 实验数据介绍37-43
• 4.1 MCI入组情况37-38
• 4.2 采集参数38-39
• 4.3 fMRI认知实验的任务测试39-41
• 4.4 本章小结41-43
• 第五章 fMRI数据特征提取43-55
• 5.1 fMRI数据预处理43-46
• 5.2 fMRI数据特征提取46-48
• 5.3 基于单体素的特征提取48
• 5.4 BOLD曲线变化率的特征提取48-53
• 5.5 本章小结53-55
• 第六章 单体素弱分类器集成55-61
• 6.1 单体素分类器训练55
• 6.2 单体素分类实验结果及分析55-57
• 6.3 单体素弱分类器集成57-58
• 6.4 分类器泛化推广58-59
• 6.5 分类器集成实验结果及分析59
• 6.6 本章小结59-61
• 第七章 总结61-63
• 7.1 总结61
• 7.2 展望61-63
• 致谢63-65
• 参考文献65-69
• 攻读学位期间发表的学术论文69

【参考文献】

中国期刊全文数据库 前10条

1 李传明;王健;桂莉;王新;郑健;;AD和MCI病人前额叶注意功能区fMRI检测[J];青岛大学医学院学报;2009年04期

2 邵辉丽;杜小霞;;楔前叶/后扣带皮层在静息态功能网络中起关键节点作用的研究进展[J];磁共振成像;2011年03期

3 王海川,张立明;一种新的Adaboost快速训练算法[J];复旦学报(自然科学版);2004年01期

4 吕卓;谢松云;赵金;赵海涛;;基于SVM及其改进算法的fMRI图像分类性能研究[J];电子设计工程;2011年16期

5 付忠良;;分类器线性组合的有效性和最佳组合问题的研究[J];计算机研究与发展;2009年07期

6 熊金志;胡金莲;袁华强;;光滑支持向量机的原理和进展[J];计算机工程;2008年13期

7 钱志明;徐丹;;一种Adaboost快速训练算法[J];计算机工程;2009年20期

8 张伟松;高智英;;快速多分类器集成算法研究[J];计算机工程;2012年02期

9 蒋芸;李战怀;;基于改进的SVM分类器的医学图像分类新方法[J];计算机应用研究;2008年01期

10 张强;唐峥峥;;fMRI脑功能成像及事件相关实验设计的研究进展[J];医疗设备信息;2007年04期

  本文关键词：基于SVM的MCI功能影像数据分类研究，由笔耕文化传播整理发布。

，

本文编号：481176