阿爾茲海默癥（Alzheimer’s disease,AD）是中老年人群中最常見的神經(jīng)退行性疾病,目前尚無準(zhǔn)確定量的早期診斷或預(yù)測方法且難以有效治愈。隨著社會老齡化問題日漸嚴(yán)重,該疾病的診斷和治療正面臨越來越嚴(yán)峻的挑戰(zhàn)。磁共振成像（Magnetic Resonance Imaging,MRI）技術(shù)能夠定量地反映大腦組織在結(jié)構(gòu)和功能上的特征與變化,具有無創(chuàng)、高空間分辨等優(yōu)點,并已廣泛應(yīng)用于AD診斷研究中。隨著MRI多種成像技術(shù)的不斷發(fā)展,基于MRI影像的多種特征參數(shù)也正普遍應(yīng)用于AD臨床。且在當(dāng)前大數(shù)據(jù)信息時代背景下,這種多特征的融合分析技術(shù)越來越占有重要地位。本論文研究提出了一種基于MRI多特征融合的模式識別方法,并嘗試用于AD診斷。首先研究優(yōu)化了構(gòu)建分類器模型的關(guān)鍵技術(shù)環(huán)節(jié)。基于支持向量機(jī)（Support Vector Machine,SVM）模型,本文構(gòu)建了封裝式特征選擇及參數(shù)優(yōu)化的分類器模型,通過遞歸特性消除算法進(jìn)行特征選擇,可選得最優(yōu)特征子集并降低特征維度;然后使用梯度篩選算法優(yōu)化SVM模型參數(shù)使分類器性能最佳。其次,本文基于腦結(jié)構(gòu)網(wǎng)絡(luò)并結(jié)合腦灰質(zhì)和白質(zhì)特征建立了用于AD診斷的... 

【文章來源】：天津大學(xué)天津市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

阿爾茨海默病的發(fā)展過程

標(biāo)和特征融合思路，通過建立SVM模型對AD進(jìn)行了自動診斷和病理檢測分析 本論文的主要研究思路和內(nèi)容，如圖 1-2 所示 即：針對多個模態(tài)的數(shù)據(jù)，分別從多維結(jié)構(gòu)網(wǎng)絡(luò)和多模態(tài)圖像指標(biāo)兩個不同角度進(jìn)行了特征提取和特征集構(gòu)建；然后研究特征選擇 參數(shù)優(yōu)化與性能評估等 SVM 模型構(gòu)建方法，分別應(yīng)用于臨床實際 本文主要研究內(nèi)容包括以下三個部分：1. 使用 SVM 機(jī)器學(xué)習(xí)模型，對比不同的特征選擇方法和參數(shù)優(yōu)化算法，構(gòu)建最優(yōu)化的 SVM 機(jī)器學(xué)習(xí)模型 2. 基于 DTI 進(jìn)行大腦結(jié)構(gòu)網(wǎng)絡(luò)構(gòu)建，分別提取網(wǎng)絡(luò)中灰質(zhì)（腦區(qū)節(jié)點）白質(zhì)（結(jié)構(gòu)連接）特征，采用 SVM 模型分析 AD 結(jié)構(gòu)網(wǎng)絡(luò)的灰質(zhì)和白質(zhì)異常；進(jìn)一步通過灰白質(zhì)異常的聯(lián)合分析探究 AD 患者大腦中結(jié)構(gòu)失連接的空間分布與灰質(zhì)結(jié)構(gòu)的改變存在內(nèi)在聯(lián)系，同時啟發(fā)了從網(wǎng)絡(luò)的概念進(jìn)行機(jī)器學(xué)習(xí)分析的基本思路 3. 基于 DTI 與 DKI 和 fMRI 數(shù)據(jù)，提取 MRI 多模態(tài)的影像特征，探究跨模態(tài)特征融合的 SVM 機(jī)器學(xué)習(xí)模型在 AD 診斷中的價值

圖 2-1 原子核子磁場效應(yīng)示意圖電荷，所以在其自旋時又會產(chǎn)生核磁矩時，由于磁矩和動量矩會同時受到外磁場方向做拉莫爾進(jìn)動（larmor precessio向，藍(lán)色矢量表示核磁矩 核磁矩的拉0 0 = B比； 為外磁場強(qiáng)度 由(2-1)式可知，場強(qiáng)度和原子核自身特性參數(shù)（旋磁比

【參考文獻(xiàn)】：
期刊論文
[1]面向“探索腦科學(xué)”的連接組計算系統(tǒng)（英文）[J]. 徐婷,楊志,姜黎黎,邢秀俠,左西年.  Science Bulletin. 2015(01)



本文編號：3468849