認(rèn)知障礙磁共振圖像的模式分類研究.pdf

1、腦科學(xué)作為一門新興學(xué)科，隨著大腦成像技術(shù)的發(fā)展而逐漸走向成熟，特別是在磁共振成像（magnetic resonance imaging，MRI）技術(shù)興起以后，人們得以通過(guò)更加精細(xì)的大腦成像數(shù)據(jù)進(jìn)行大腦結(jié)構(gòu)的分析和研究。在模式識(shí)別方法引入到腦科學(xué)的研究之后，通過(guò)機(jī)器學(xué)習(xí)的巨大優(yōu)勢(shì)，其應(yīng)用領(lǐng)域不斷拓展，一個(gè)典型的例子就是醫(yī)學(xué)領(lǐng)域中的通過(guò)尋找神經(jīng)類疾病患者和正常被試腦磁圖像間的差異，找出這些疾病的致病腦區(qū)。同時(shí)，通過(guò)對(duì)患者和正常被試之間的差異

2、進(jìn)行學(xué)習(xí)訓(xùn)練，也能夠?qū)膊〉脑\斷有所幫助。
　　在本文中，我們進(jìn)行了基于大腦磁共振成像的阿爾茨海默病（ Alzheimer disease， AD）模式分類研究。我們首先進(jìn)行了基于體素形態(tài)學(xué)分析方法（Voxel-Based Morphometry, VBM）的灰白質(zhì)模式分類，特征選擇算法分別使用主成分分析（Principal Component Analysis，PCA）算法和局部線性嵌入（Locally Linear Embed

3、ding, LLE）算法，分類算法采用線性支持向量機(jī)（Support Vector Machine,SVM）.然后我們先通過(guò)特征描述對(duì)灰白質(zhì)特征進(jìn)行轉(zhuǎn)換再進(jìn)行分類實(shí)驗(yàn)，特征描述算法使用梯度直方圖特征（Histogram Oriented Gradient, HOG）算法，各個(gè)算法的不同組合之間通過(guò)一系列比較確定本實(shí)驗(yàn)中的最優(yōu)分類算法。其中AD患者與正常對(duì)照的最優(yōu)的分類精度為灰質(zhì) VBM+HOG+PCA的0.90。最后我們通過(guò)統(tǒng)計(jì)學(xué)差異研