论文部分内容阅读
大脑是由数以千亿的神经元相互连结形成的复杂生物器官,在大脑的结构和功能上进行探索与研究,有助于阐明大脑的运行机制,对及时干预和治疗神经系统变性疾病有着重要的指导作用。功能磁共振成像作为一种非侵入性的新兴神经成像手段,为探究大脑的神经功能活动提供了客观、有效的数据支撑。本文基于功能磁共振成像,创新性地提出了多级聚类演化的随机支持向量机集群(Multilevel Clustering-evolutionary Random Support Vector Machine Cluster,MCRSVMC),并运用该方法分别对阿斯伯格症和轻度认知障碍展开研究。本文的主要贡献描述如下:(1)提出一种新的MCRSVMC算法。在对多个SVM基分类器进行组合的基础上,引入聚类演化的方法构建MCRSVMC,以提高模型的最终分类性能。MCRSVMC可以用来实现特征选择,并进一步检测疾病的异常脑区,为神经系统变性疾病的诊断研究开拓了新的思路。(2)利用MCRSVMC对阿斯伯格症的分类诊断展开应用研究。首先从ABIDE数据库下载63个阿斯伯格症患者和72个正常对照的静息态功能磁共振成像数据,然后构建图论拓扑特征,最后采用MCRSVMC算法对患者和正常对照进行分类。结果表明,基于最优特征的准确率为95.24%,并且可以找到额中回、海马、补充运动区等病灶。该研究结果表明MCRSVMC算法能够有效地帮助医师对阿斯伯格症患者进行辅助诊断。(3)利用MCRSVMC对轻度认知障碍进程展开应用研究。首先从ADNI数据库下载36个正常对照、42个早期轻度认知障碍和38个晚期轻度认知障碍患者的静息态fMRI数据,然后构建图论特征,最后利用MCRSVMC对轻度认知障碍进程的不同阶段进行多组实验。基于最优特征,MCRSVMC在正常对照组和早期轻度认知障碍组的分类上达到了89.47%的准确率,在早期和晚期轻度认知障碍组的分类上达到了90%的准确率。在检测病灶的过程中,发现海马旁回和后扣带回等脑区在两组实验中同时出现异常,说明这些脑区在“正常认知早期轻度认知障碍晚期轻度认知障碍”的演变进程中起着关键的作用。这些实验结果展示了MCRSVMC方法在追踪轻度认知障碍发病路径中的巨大潜能。