基于机器学习方法的多变量生物医学数据分类研究.pdfVIP

基于机器学习方法的多变量生物医学数据分类研究 摘 要 随着自然科学的发展和全球信息化的推进，生物医学领域进入了大数据时代。尤 其是机器学习方法出现之后，其强大的特征提取能力极大地推动了生物医学数据的研 究进程。根据研究变量个数的不同，生物医学数据可分为单变量生物医学数据和多变 Brain-Computer Interface, 量生物医学数据。在各类多变量生物医学数据中，脑机接口 （ BCI）技术的研究有助于视听觉受损和肢体运动能力受限的残疾人恢复正常，功能磁共 functional Magnetic Resonance Imaging, fMRI 振成像 （ ）的研究有助于脑部疾病的诊断 和预防。因此，这两类数据的分析和处理在近年来得到了研究人员越来越多的关注。 本文基于机器学习理论，对BCI 中的稳态视觉诱发电位 （Steady-state Visually EvokedPotentials, SSVEP）数据和fMRI 中的自