论文摘要
近年来,模式识别方法已被广泛应用于磁共振成像数据的分析和研究中。随着问题研究的深入,磁共振成像数据的多类问题逐渐凸显,这对人脑运行机理和大脑疾病病理研究提出了更高的要求,也为模式识别技术的多类模式分析提供了应用空间。本文的研究主要着眼磁共振成像数据的多类问题,采用模式识别方法对其进行分析研究,期望得到有意义的分析结果。本文首先以三组静息功能磁共振数据（精神分裂症患者、其健康同胞和正常人）为研究对象,通过结合主成分分析（Principal Component Analysis,PCA）和非线性支持向量机（Support Vector Machine,SVM）对静息功能磁共振数据的功能连接矩阵特征进行模式分类研究,并从模式分类的角度证明了该疾病的遗传特性。另外,为了得到遗传特性在脑区上的证明,本文对上述三组数据进行成组独立成分分析（Group Independent Component Analysis,Group ICA）,得到20个独立成分。以所有独立成分为特征集合,每个独立成分为特征子集,采用特征融合、主成分分析和线性支持向量机对三组数据进行了两两分类研究,得到了与前面研究相一致的结果,即从模式分类的角度证明了该疾病的遗传特性,更重要的是,最终得到了在该疾病遗传特性中有重要贡献的独立成分。最后,本文以三组结构像磁共振数据为研究对象（老年痴呆患者、轻度认知障碍患者和正常老年人）,结合改进的基于支持向量机的递归特征删除法（Recursive Feature Elimination based on Support Vector Machine ,SVM-RFE）和关联向量机（Relevance Vector Machine, RVM）对该实验数据进行了模式分类研究。从两两分类的结果中,我们发现,模式识别方法得到的像素特征与统计差异研究的结果相一致,主要集中于负责记忆功能的海马区及其周围的区域。另外,本文还对上述三组结构像数据的多分类问题进行了探索性研究,包括“一对一”多分类和“一对多”多分类,通过多分类研究,得到这样的结论,即,该组轻度认知障碍患者的脑结构已经发生严重的改变,正向老年痴呆疾病转变。通过磁共振数据的多类模式分析,我们不仅对磁共振成像数据的多类问题有了更深的认识,还从模式分类的角度分析了磁共振成像数据的生理和病理结果,对推动模式识别方法在脑科学中的研究具有重要意义。
论文目录
相关论文文献
标签：静息功能磁共振成像论文; 结构磁共振成像论文; 主成分分析论文; 成组独立成分分析论文; 支持向量机论文; 关联向量机论文;