抑郁癥、阿爾茨海默�。ˋD）和行為異常型額顳葉癡呆（bvFTD）皆是受生物、心理與社會環(huán)境等諸多因素影響的精神障礙疾病,發(fā)病率呈上升趨勢,但目前缺乏統(tǒng)一的客觀診斷標(biāo)準(zhǔn),導(dǎo)致它們的診斷正確率偏低。精神類疾病早期治愈率高、康復(fù)效果好,因此構(gòu)建精神疾病輔助診斷模型、進(jìn)一步提高早期診斷正確率具有重要的研究和臨床意義。國內(nèi)外研究者積極探索抑郁癥和癡呆的基于磁共振成像（MRI）數(shù)據(jù)的輔助診斷模型,但已有的輔助診斷仍面臨以下問題:（1）特征選擇方法對輔助診斷的結(jié)果影響比較顯著;（2）患者的MRI數(shù)據(jù)收集困難、可用樣本數(shù)目不足,導(dǎo)致一些機(jī)器學(xué)習(xí)算法無法使用;（3）AD和bvFTD眾多臨床表現(xiàn)重疊、不易鑒別診斷,尚且缺乏關(guān)于這兩種癡呆的輔助診斷研究。在此背景下,本文基于MRI數(shù)據(jù)分別研究了抑郁癥和癡呆（AD與bvFTD）的輔助診斷問題,主要研究內(nèi)容如下。（1）針對特征選擇方法對輔助診斷的結(jié)果影響比較顯著問題,本文提出了一種混合特征選擇算法,并構(gòu)建了多元模式分析（MVPA）抑郁癥輔助診斷模型�；谕耆珨�(shù)據(jù)驅(qū)動的方式分別建立了41名被試的穩(wěn)態(tài)和動態(tài)功能連接網(wǎng)絡(luò)并進(jìn)行特征提取,采用不同特征選擇方法和不同分類算... 

【文章來源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
        1.2.1 抑郁癥研究現(xiàn)狀
        1.2.2 AD和FTD研究現(xiàn)狀
    1.3 研究意義及內(nèi)容
        1.3.1 研究意義
        1.3.2 研究內(nèi)容
    1.4 本文結(jié)構(gòu)
第2章 功能連接和機(jī)器學(xué)習(xí)的相關(guān)理論基礎(chǔ)
    2.1 磁共振數(shù)據(jù)特征提取
    2.2 功能連接相關(guān)知識
        2.2.1 功能連接基本概念
        2.2.2 功能連接常用分析方法
        2.2.3 動態(tài)功能連接
    2.3 維數(shù)約簡
        2.3.1 特征選擇
        2.3.2 降維
    2.4 分類器
        2.4.1 支持向量機(jī)
        2.4.2 線性判別分類器
    2.5 深度學(xué)習(xí)
        2.5.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.5.2 生成式對抗網(wǎng)絡(luò)
        2.5.3 自編碼器
        2.5.4 深度森林
    2.6 本章小結(jié)
第3章 基于fMRI功能連接網(wǎng)絡(luò)的抑郁癥輔助診斷研究
    3.1 引言
    3.2 被試與數(shù)據(jù)采集
        3.2.1 實驗被試
        3.2.2 數(shù)據(jù)采集
    3.3 fMRI數(shù)據(jù)處理
        3.3.1 預(yù)處理
        3.3.2 組ICA和后處理
    3.4 提取功能連接特征
        3.4.1 提取穩(wěn)態(tài)功能連接特征
        3.4.2 提取動態(tài)功能連接特征
    3.5 特征選擇
    3.6 實驗結(jié)果及分析
        3.6.1 穩(wěn)態(tài)分類結(jié)果
        3.6.2 動態(tài)分類結(jié)果
        3.6.3 維數(shù)約簡結(jié)果
        3.6.4 結(jié)果分析
        3.6.5 結(jié)果討論
    3.7 本章小結(jié)
第4章 基于生成式對抗網(wǎng)絡(luò)的數(shù)據(jù)擴(kuò)充及抑郁癥輔助診斷
    4.0 引言
    4.1 實驗數(shù)據(jù)
    4.2 MVPA流程
    4.3 構(gòu)建擴(kuò)充數(shù)據(jù)集
    4.4 實驗結(jié)果及分析
        4.4.1 分類結(jié)果
        4.4.2 不同數(shù)據(jù)生成方法的分類結(jié)果
        4.4.3 結(jié)果分析
        4.4.4 結(jié)果討論
    4.5 本章小結(jié)
第5章 基于CNN和深度森林的AD/FTD輔助診斷
    5.1 引言
    5.2 實驗被試
    5.3 數(shù)據(jù)采集和預(yù)處理
    5.4 特征提取和模型構(gòu)建
        5.4.1 特征提取
        5.4.2 模型構(gòu)建
    5.5 實驗結(jié)果及分析
        5.5.1 體積變化
        5.5.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)果
        5.5.3 深度森林結(jié)果
        5.5.4 結(jié)果分析
        5.5.5 結(jié)果討論
    5.6 本章小結(jié)
總結(jié)與展望
    未來工作
參考文獻(xiàn)
攻讀碩士學(xué)位期間所發(fā)表的成果
致謝



本文編號：3036180