精神分裂症脑功能连接数据分类方法的研究.pdf

湖南大学硕士学位论文精神分裂症脑功能连接数据的分类方法研究姓名:周鹏杰申请学位级别:硕士专业:计算机科学与技术指导教师:卢新国 20120526 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。增强跳跃显露模式(SJEP)是针对跳跃显露模式(JEP)在分类过程中,有些模式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(C SJEP),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 Abstract tu11ctional maglletic resonance imaging(fMRO is one of themain technical means to study the brain structure, function and their relationship wjth the pathol091cal,and ithasbeen widely used inbrainexperiments andclinicalresearch. How to extract meaningful brain regions from plex brain fMRI data is significance forthebrainresearch. In recent Years,classification methods inthe field of data mininghave been wldeIy aPPlled to analyze and study the brain fMRI functional connectlVlty datais an effective way foranalysis ofthebrainfMRI data. For this reanson,we proposed two methods toanalyze thebrainfunctional connectivitv data whlch e from schizophrenias,their healthy siblings and normal main works are summarized asfoiloWs. 1n tnls paper,we proposed one new method forclassifying thebrain functional connectiVity .(NCBFC)· We used an discretization method for preprocessmg thebrain functional connectivity data tochoose thediscriminatorv 士eaturepattems,and thenwe used those patterns as theinput ofthesupport vec