精神分裂症脑功连接数据的分类方法研究.pdfVIP

精神分裂症脑功能连接数据的分类方法研究 摘 要 功能磁共振成像(fMRI)是当前研究脑的结构、功能及它们与病理之间关系的 一种主要技术手段，已经被广泛地应用于脑实验和医学临床研究。如何从这种高 维、高噪声和结构复杂的脑磁共振图像数据中提取出有意义的脑区模式信息，对 脑科学的研究具有重要意义。 近年来，数据挖掘领域中的模式分类方法已广泛地应用于脑fMRI数据的研究 分析中，而脑功能连接数据是分析脑fMRI数据的一种重要形式。为此，本文提出 了两种分类方法对三组脑功能连接数据(分别来自精神分裂症患者、其健康同胞和 正常人)进行分类分析。主要工作总结如下： 提出了一种NCFBC分类方法对脑功能连接数据进行模式分类分析。该方法采 用基于信息熵的离散化方法对脑功能连接数据的连续属性值进行离散化预处理， 筛选出信息含量大的分类特征功能连接模式；然后以这些模式作为支持向量机的 输入，对三组静息脑功能连接数据进行模式分类分析。通过对多分类问题的研究 分析，我们侧面地从模式分类的角度揭示了精神分裂症的遗传特性；同时，将该 方法和其它方法从敏感度、特异性和分类准确度方面进行比较，结果证明本文提 出的方法比较有优势。 的支持度过低导致分类准确度不高而提出的一种模式，具有很强的模式分类能力。 为此，本文提出了一种基于增强跳跃显露模式(SJEP)的分类方法(CSJEP)，该方 法使用边界算法来挖掘SJEP模式，采用集合似然预测(PCL)方法对测试样本的类 别属性进行预测。实验结果表明：和其它分类方法相比，本文提出的方法在准确 度方面有了一定提高。 通过对脑功能连接数据的模式分类研究，我们对如何利用这类数据进行人类 大脑的生理和病理分析有了更深刻的理解，为脑部精神疾病的检测和诊断提供了 有益的参考途径；同时也对多类问题的分析有了较深的认识，这对推动模式分类 方法在脑科学和临床医学领域的研究具有一定的研究价值和实际意义。 关键字：静息功能磁共振成像；脑功能连接；信息熵：离散化：支持向量机；增 强跳跃显露模式 II Abstract tu11ctional maglleticresonance isoneof imaging(fMROthemain technical meansto the study brain function structure， and their wjththe relationship it pathol091cal，andhas been used widelyinbrain and experimentsclinical research． How toextract brain meaningful from regions the brain complexfMR