版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、阿爾茲海默病(AD)是一種常見的神經(jīng)性退行性疾病,屬于常見的神經(jīng)性癡呆,危害嚴(yán)重,而防治的關(guān)鍵是無創(chuàng)早期診斷。相關(guān)研究表明,影像形狀和紋理特征與阿爾茨海默病早期病變相關(guān),但特征間相互關(guān)系復(fù)雜,因而需要進(jìn)行選擇融合。本文提取了多種基于磁共振影像的形狀和紋理特征,設(shè)計特征選擇分類集成模型對提取的磁共振影像特征進(jìn)行深度融合,以獲取較融合前更高更穩(wěn)定的分類診斷準(zhǔn)確率。論文的主要創(chuàng)新性工作如下:
?、傺芯坎?shí)現(xiàn)了一種用于腦磁共振影像的預(yù)處
2、理及特征提取的管道程序。該程序可以對輸入的腦磁共振影像進(jìn)行去噪、配準(zhǔn)、頭骨剝離、解剖結(jié)構(gòu)分割、形狀紋理等特征提取一系列處理,適用于任意人的腦圖像樣本。目前很少發(fā)現(xiàn)能實(shí)現(xiàn)上述一系列處理的單個軟件或算法,該程序?yàn)榛谀X磁共振影像的研究提供了有效工具,為后續(xù)基于特征的分類識別,提供了可靠的特征源。
?、谘芯坎⑻岢隽嘶诩僭O(shè)統(tǒng)計檢驗(yàn)的磁共振影像特征融合算法。計算提取的影像特征的 pvalue值,基于不同閾值選取符合顯著水平的影像特征?;?/p>
3、于選擇后的特征對影像樣本進(jìn)行處理獲得對應(yīng)的樣本特征矩陣,引入支持向量機(jī)(SVM)進(jìn)行分類,分類準(zhǔn)確率較選擇前明顯提高。
③研究并提出了基于特征選擇分類集成模型的磁共振影像封裝式特征融合算法。該算法采用封裝式特征選擇模式,采用SVM分類器評估待選特征子集,采用遺傳算法進(jìn)行全局尋優(yōu),獲取使SVM分類準(zhǔn)確率最高的最優(yōu)特征子集作為最終融合結(jié)果,從而構(gòu)成了特征選擇分類集成模型。
本文研究并實(shí)現(xiàn)了一種用于腦磁共振影像的預(yù)處理及特
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 嗅覺功能磁共振成像對阿爾茨海默病的早期診斷.pdf
- 阿爾茲海默
- 磁共振多模態(tài)成像在阿爾茨海默病診斷中的應(yīng)用研究.pdf
- 阿爾茨海默病ad的影像學(xué)診斷
- 基于磁共振影像的阿爾茨海默病腦皮層厚度分析的研究.pdf
- 基于磁共振彌散成像的阿爾茲海默癥神經(jīng)指紋研究.pdf
- 阿爾茨海默病的磁共振功能成像研究.pdf
- 阿爾茲海默癥的早期干預(yù)ppt課件
- 阿爾茨海默病診斷進(jìn)展
- 面向阿爾茨海默病的磁共振擴(kuò)散峭度成像特征分析與識別.pdf
- 阿爾茨海默病的血管周圍間隙影像特征分析.pdf
- 腦影像與外周血漿生化標(biāo)志物早期診斷阿爾茨海默病研究.pdf
- 阿爾茨海默病磁共振診斷磁對比劑及藥物、細(xì)胞治療的實(shí)驗(yàn)研究.pdf
- 阿爾茨海默病
- 阿爾茨默海病
- 阿爾茨海默病
- 阿爾茨海默病
- 磁共振成像新技術(shù)在阿爾茨海默病的應(yīng)用研究.pdf
- 阿爾茲海默癥概述ppt課件
- 阿爾茲海默病的臨床表現(xiàn)、治療和預(yù)防
評論
0/150
提交評論