

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、最近幾年,隨著醫(yī)學影像技術的成熟和發(fā)展,基于這些神經影像技術的圖像數(shù)據(jù)提取人腦的全腦結構與功能連接模式,用于腦疾病的預測和診斷,已經成為新的研究熱點。通過運用機器學習和模式識別提供的技術手段和方法,分析多種模態(tài)的醫(yī)學影像數(shù)據(jù),發(fā)現(xiàn)其中的規(guī)律,從而有效的預測和分類未知數(shù)據(jù),并找出與腦疾病有關系的腦區(qū)特征,也已成為研究趨勢。本文基于多任務特征選擇方法,對多模態(tài)神經影像數(shù)據(jù)進行分析和研究,從而進行腦疾病的分類。本文的主要工作和創(chuàng)新點如下:
2、r> 首先,我們提出了一個判別性多任務特征選擇方法,來選擇最具判別性的特征用于基于多模態(tài)的腦疾病分類。具體來說,對于每一個模態(tài),我們使用相應模態(tài)的數(shù)據(jù)訓練一個線性回歸模型,并且進一步對這些回歸模型的權重執(zhí)行組稀疏正則化,用于在多個模態(tài)中聯(lián)合的選擇共同的特征。進一步,我們提出基于類內類間拉普拉斯矩陣的判別性正則化項來更好的使用樣本之間的判別性信息。在選擇出判別性特征之后,我們使用多核支持向量機方法來進行腦疾病的分類。實驗結果表明,我們提
3、出的方法不僅改善了腦疾病的分類性能,而且有潛力發(fā)現(xiàn)對于疾病診斷有利的與疾病相關的生物學標記,因而具有較大的生物醫(yī)學意義。
另外,我們發(fā)現(xiàn),在存在的多模態(tài)特征選擇方法中通常使用傳統(tǒng)距離,比如歐氏距離,來度量兩個樣本之間的相似性,由于歐氏距離靜態(tài)的本質,它忽視了目標樣本和所有其他樣本之間的全局結構信息。因此,為了充分考慮樣本的動態(tài)全局信息,我們采用有效距離來替代歐氏距離作為一種相似性度量方法用于特征選擇學習以及用選擇的特征實現(xiàn)腦疾
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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
- 基于遷移學習的多模態(tài)腦圖像分析及其應用研究.pdf
- 基于主題分類的多模態(tài)信息融合應用研究.pdf
- 基于特征選擇的醫(yī)學圖像分類方法及其應用研究.pdf
- 精神神經疾病的多模態(tài)腦磁共振研究.pdf
- 特征變換在組合分類中的應用研究.pdf
- 優(yōu)化特征選擇的CTM模型在文本分類中的應用研究.pdf
- 多標簽分類中特征選擇算法研究.pdf
- 特征分類器研究及其在圖像分類中的應用.pdf
- 最優(yōu)特征選擇算法在文本分類上的應用研究.pdf
- 多標簽分類中的特征選擇算法研究.pdf
- 金納米棒在腫瘤多模態(tài)診療中的應用研究.pdf
- 特征選擇算法及其在基于內容圖像檢索中的應用研究.pdf
- 經驗模態(tài)分解及其在圖像分割中的應用研究.pdf
- 基于多特征的主動學習方法在圖像分類中的應用研究.pdf
- 特征選擇在中醫(yī)數(shù)據(jù)挖掘中的應用研究.pdf
- 代價敏感的多標簽分類算法及其在標簽推薦中應用研究.pdf
- 數(shù)據(jù)特征選擇及其應用研究.pdf
- 腦圖像分類在神經精神疾病輔助診斷中的應用.pdf
- 基于mts-pca的特征選擇方法研究及其在腫瘤分類中的應用.pdf
- 多標簽學習中特征選擇和分類問題的研究.pdf
評論
0/150
提交評論