基于脑MR影像不对称性特征的痴呆症早期诊断方法研究

来源 :重庆大学 | 被引量 : 0次 | 上传用户:qwerasd1234
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
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。
其他文献
车辆自动分类在高速公路电子收费站和其他相关智能运输系统(ITS)中变得越发重要。传统的循环检测和摄像检测都存在一些缺陷。循环检测器的维护昂贵,基于视频的检测系统对环境
让计算机拥有与人相同的智能是人类的一个梦想。除了逻辑思维,情感也是人类智能的一个部分,因而让计算机理解人类的情感是实现梦想的第一步。表情是人与人传递情感的主要方式,表
社会和科技的迅速发展使人们的个人财富迅速增加,随之而来的是人们对自身财富的重视程度不断提高,因此各种安防系统层出不穷。鉴于此,本文设计了一种基于μC/OS-Ⅱ的嵌入式无
正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术能够提供较高的数据传输速率和频谱效率,抗多径衰落能力强,是新一代宽带无线通信的核心技术。OFDM系统
近年来人们对移动通信的要求不再局限于语音方面,多速率多媒体传输需求与日俱增。下一代网络不仅要满足传输速率的需求,各种媒体级别的传输质量也需要得到保证。针对无线信道
随着网络的日益普及,信息的交流达到了前所未有的深度和广度。其中涉及军事、政治和商业机密的敏感信息也通过公开的网络进行传输并需要得到有效的保护,于是就催生了服务于隐
随着移动通信的飞速发展,第三代移动通信系统在国内大规模部署,在不久的将来LTE也将投入商用。一旦LTE系统实用化,将出现在同一地理区域中多种体制移动通信系统干扰共存的情况,系
本文的主要目的是近年来获得一个高度可升级的智能传感器设计理念,该装置(智能传感器)将更好地使用通过传感器收集的信息,然后在信号接收采用不同处理和修正,为此连接一个温
VAMOS(VoiceservicesoverAdaptiveMulti-userChannelsonOneSlot)技术是为显著增加全球移动通信系统(GSM)的网络容量而提出来的一种新技术。该技术将多个用户复用到一个时隙和