抑郁症患者功能脑网络属性特征分类研究.pdf

~槛盈一一确名:硗跄臼笸::所呈交的学’旦ⅰ踶匕模潜救嗽谥傅冀淌Φ闹傅枷拢独立进行研究所取得的成果。除文中己经注明引用的内容外,本论文不包含其他个人或集体已经发表或撰写过的研究成果。对本文的研究本人完全了解太原理工大学有关保管、使用学位论文的规定,其件;②学校可以采用影印、缩印或其它复制手段复制并保存学位论文;③学校可允许学位论文被查阅或借阅;④学校可以学术交流为目的,复制赠送和交换学位论文;⑤学校可以公布学位论文的全部或音帜声做出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名:日期:中包括:①学校有权保管、并向有关部门送交学位论文的原件与复印容C苎宦畚脑诮饷芎笞袷卮斯娑。签导师签名:明
;
抑郁症患者功能脑网络属性特征分类研究摘要抑郁症是一种以抑郁心境为主要表现的疾病。目前,在发达国家中抑郁症是种主要的致残原因之一。据不完全统计,全球每年自杀死亡人数约为颍渲ナ且钟糁⒒颊摺9诘鞑樽柿舷允荆夜钟糁⒒颊占总人口的ァ%,约万人。可见抑郁症对人类健康的威胁甚大。预测到年,抑郁症将成为仅次于癌症的人类第二大致残因素。心身医学、医学心理学、精神病学新近资料表明,抑郁症的现患病率已经超过心脑血管疾病和肿瘤,跃居发达国家的第一位。抑郁症已是医学研究的一个热点问题。然而与很多内外科疾病不同的是:医生对抑郁症状严重程度的量化参考仍依靠症状评估量表,没有可靠的临床检查或者化验诊断方法。近年来,功能核磁共振成像技术以其无创性、高空间分辨率给人类研究大脑提供了更多的便利,越来越多地用于医疗和科学研究。因此,本文利用功能磁共振影像对抑郁症患者和正常人构建功能脑网络,并对抑郁症患者和正常人功能脑网络特定脑区的网络属性特征进行分类对比研究,为抑郁症患者的计算机辅助诊断提供了技术支持。主要工作如下:利用抑郁症患者和正常人的功能磁共振影像数据构造了相应的功能脑利用非参数置换检验对抑郁症患者和正常人个脑区的网络属性分别进行对比分析,得到显著性差异比较大的脑区作为待研究脑区。利用复杂网络理论研究人类大脑,考察所构建功能脑网络的各类网络属性,选择四种典型的网络属性:度、中间中心度、聚合系数、最短路径长度作为分类特征。网络。太原理工大学硕士研究生学位论文
研究分类器算法在数据分类中的应用。着重介绍了朴素贝叶斯及支持向量机分类算法,并用支持向量机掷嗨惴ǘ源芯磕郧四个典型网络属性特征进行了分类对比研究。通过对抑郁症患者和正常人所选择脑区间功能脑网络属性的分类比较,对所选的十个脑区抑郁组和对照组的分类准确率都在%以上,而这其中左侧补充运动区和负责学忆的右侧海马分类准确率最高,达到了%以上。为了更进一步减小数据问不同质数据对分析结果造成的影响,对数据进行了标准化,并对标准化后的数据重新进行了分析,其比较结果并没有显著的提高,其取值仍然基本上在%至%之间,其中分类准确率最高的脑区是右侧豆状壳核,准确率为.%。二者的分类准确率都远远高于随机分类准确率。本文的研究对临床疾病诊断具有一定的参考价值。关键词:功能磁共振影像,功能脑网络,特征选择,支持向量机太原理工大学硕士研究生学位论文
心寺猅’猧琲,..猵.’瓹琲..,,;瑄太原理工大学硕士研究生学位论文
琒瑃,%,%.瑃—%,.%.琭籪瑃,;,—,:琭瑂太原理工大学硕士研究生学位论文.
目录第一章绪论⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯.课题的研究背景⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.国内外研究现状⋯⋯⋯.⋯⋯⋯.⋯.⋯⋯⋯..⋯⋯..⋯..⋯..钟糁⒌牟±砑罢锒戏椒ā数据分析方法...⋯⋯⋯.⋯.⋯⋯⋯⋯⋯⋯⋯⋯...丛油绾湍钥蒲А课题研究的目的及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯.。本论文的主要工作与结构组织⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.......⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..数据的采集⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯...数据的预处理⋯⋯⋯⋯.⋯...⋯.⋯⋯......⋯......⋯.功能脑网络的构建⋯⋯.⋯⋯.⋯...⋯....⋯⋯⋯......⋯⋯.待研究脑区的选取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯本章小结⋯..⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯....⋯..第三章特征选择⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯..⋯⋯..特征选择的依据⋯⋯⋯.⋯⋯.⋯.......⋯⋯⋯⋯.......⋯..功能脑网络属性⋯⋯⋯..⋯⋯⋯..⋯⋯⋯...⋯.........⋯.。分类特征的选择⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..本章小结⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯....⋯.第四章分类及结果分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯..分类器选择⋯⋯⋯⋯⋯⋯