贝叶斯网研究及在轻度认知损害诊断中的应用

论文摘要

随着人口老龄化，老年痴呆症患者逐年增加，而老年痴呆到中晚期已无有效治疗方法。轻度认知损害是介于正常老化和痴呆之间的一种认知功能损害状态，通常将它作为正常老化向老年痴呆的过渡阶段。因而轻度认知损害群体的研究对老年痴呆的早期诊断和早期干预有着重要的意义，是近年来老年痴呆研究的热点。贝叶斯网作为一种概率图形模型，提供了一种将知识直觉的图解可视化的方法，有许多其自身的优势，它使用概率理论处理在描述不同知识成份的条件相关而产生的不确定性。将贝叶斯网应用在轻度认知损害的诊断中，可用其处理不确定性知识的方法描述轻度认知损害诊断的各项诊断指标。本文介绍了贝叶斯网结构学习以及参数学习、推理的相关内容。运用朴素贝叶斯技术，结合临床量表诊断手段，将各项量表指标作为贝叶斯节点集，建立推理诊断模型，实验证明该模型能够有效的完成轻度认知损害的诊断。针对传统算法在学习网络结构之前，需要根据研究者的主观经验，规定网络中结点顺序的缺点，给出了一个可以在无约束条件下，即无需主观给出网络中结点变量的顺序，而是根据观测得到的训练样本集的互信息以及概率关系，自动完成学习贝叶斯网结构的新方法。通过分析结构变量与结构变量，结构变量与功能变量之间的相关依赖性，将脑结构各区域萎缩情况与轻度认知损害这个功能变量作为变量集，利用新的贝叶斯结构学习方法，构建了基于脑结构萎缩的轻度认知损害诊断模型。文章最后给出了老年痴呆症早期预测专家系统的设计与实现。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 轻度认知损害研究现状
• 1.2 贝叶斯网研究发展及应用
• 1.2.1 贝叶斯网发展
• 1.2.2 贝叶斯网研究现状
• 1.3 本文的主要工作
• 2 贝叶斯网学习及推理
• 2.1 贝叶斯网的数学表达
• 2.1.1 贝叶斯网语义
• 2.1.2 贝叶斯概率及规则
• 2.2 贝叶斯网结构学习
• 2.2.1 基于完备数据的贝叶斯网结构学习
• 2.2.2 基于不完备数据的贝叶斯网结构学习
• 2.3 贝叶斯网参数学习
• 2.4 贝叶斯网推理
• 2.4.1 贝叶斯网的推理形式
• 2.4.2 贝叶斯网的推理算法
• 3 MCI诊断因子的贝叶斯分析
• 3.1 贝叶斯网与MCI诊断
• 3.2 MCI诊断指标在贝叶斯网中的应用
• 3.2.1 基于临床量表的变量集
• 3.2.2 基于生物物理因子诊断指标的变量集
• 4 基于朴素贝叶斯的MCI诊断模型
• 4.1 朴素贝叶斯网
• 4.2 基于量表检测的诊断模型
• 4.2.1 数据采集
• 4.2.2 模型的建立
• 4.2.3 节点的离散化
• 4.3 结果分析
• 4.3.1 概率分布
• 4.3.2 样本学习及预测
• 4.3.3 缺省值的处理
• 5 基于贝叶斯的MCI诊断模型
• 5.1 贝叶斯网结构学习算法
• 5.1.1 Cheng算法
• 5.1.2 贝叶斯评分算法
• 5.1.3 最小描述长度算法
• 5.1.4 K2算法
• 5.2 K2算法的改进
• 5.2.1 新算法的给出
• 5.2.2 算法描述
• 5.2.3 算法时间复杂度分析
• 5.2.4 算法验证
• 5.3 基于脑结构萎缩的诊断模型
• 5.3.1 变量集的选取
• 5.3.2 数据的处理
• 5.3.3 模型的建立
• 5.3.4 结果分析
• 6 老年痴呆症早期预测专家系统的设计与实现
• 6.1 系统功能设计
• 6.2 数据库设计
• 6.3 系统实现技术
• 6.3.1 系统架构
• 6.3.2 设计模式
• 6.3.3 数据访问层Hibernate
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢