CN106980753-CN201710111168-一种用于神经疾病的基于体素分析的数据驱动机器学习方法.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 106980753 A (43)申请公布日 2017.07.25 (21)申请号 201710111168.3 (22)申请日 2017.02.28 (71)申请人 浙江工业大学 地址 310014 浙江省杭州市下城区潮王路 18号浙江工业大学 (72)发明人 冯远静　周思琪　金丽玲　何建忠　 曾庆润　吴烨　 (74)专利代理机构 杭州斯可睿专利事务所有限 公司 33241 代理人 王利强 (51)Int.Cl. G06F 19/00(2011.01) 权利要求书2页 说明书4页 (54)发明名称 一种用于神经疾病的基于体素分析的数据 驱动机器学习方法 (57)摘要 一种用于神经疾病的基于体素分析的数据 驱动机器学习方法，包括如下步骤：1)根据对脑 区指标的定量测量值进行主成分分析PCA模型训 练；2)对所有特征进行提取；3)为所选出的特征 选择最佳分类器模型算法；3)预测：对于一个新 样本，要去量化所有量化指标对于获取测量值矩 阵 之后，增量主成分分析提供了 增量更新原始主成分分析的方法去获得一个新 的增量主成分分析模型；对获得的该模型，去计 算增量主成分分析特征向量，而测量值矩阵 1 的维度会被降为新的Q＝[q , A 3 m ...q ]；这些新测量值将重新排列为X。本发明提 5 7 0 供了一种精度较高的用于神经疾病的基于体素 8 9 6 分析的数据驱动机器学习方法。 0 1 N C CN 106980753 A 权　利　要　求　书 1/2页 1.一种用于神经疾病的基于体素分析的数据驱动机器学习方法，其特征在于：包括如 下步骤： 1)根据对脑区指标的定量测量值进行主成分分析PCA模型训练，过程如下： 获得的量化数据组表示为： 其中，n代表总的样本数量；代表每个样本体素的量化指标值； 降维后的数据Q在维度m下被表示为： 其中，满足维度1≤m≤p的部分表示的意思是保留方差为投影空间最大值的正交轴，增 量主成分分析用新输入的数据和上一步特征值更新当前的特征值； 通过两个样本协方差矩阵S的前导特征向量得出Q，其中： 公式中 K和n 分别表示样本平均值、分类的数目以及类j中的样本数量；因此，推出以 j 下的结果表达： SQ ＝λQ ,i＝1,...m    (4) i i i 在该表达式中，λ是矩阵S第i个最大特征向量； i 在所操作的样本空间中， 的主成分主轴m是解相关的； 2)对所有特征进行提取，过程如下： 在初步处理后，观察考虑特征列表中的每个特征，之后要人工地对特征进行挑选移除； T 设样本为X＝[X ,...X ,...X ] ，其中 每个样本X 都有一个对应的分类 1 j n j Y ； j 单变量特征选择通过单变量统计检验取选择最佳特征； 对获取样本数据去计算单因素方差分析中的p值，对每个样本都是基于计算出的K最高 值进行特征进行选