论文部分内容阅读
智商(IQ)可以综合衡量个体认知能力的差异,被临床心理学家视为具有临床意义的有效统计指标。目前的智商评估主要是通过主观量表评分实现的,存在很大的主观性和不确定性。磁共振技术的出现,使得研究智商个体差异的脑机制成为可能,而现代机器学习技术的发展为基于磁共振图像开展智商的客观评估提供了有效工具。本研究基于76名18-55岁成年人样本的脑静息态功能磁共振图像,提取160个脑感兴趣区的fMRI信号时间序列的相关性度量脑区之间的功能连接强度,并以这些功能连接强度为特征,以智商值为标签,构建预测模型实现对智商的有效预测。具体研究工作如下:(1)基于经典回归算法的智商预测研究。基于脑功能连接特征,本研究采用基于集成学习、树模型、核方法、线性模型等四类(共12种)算法构建预测模型。留一法交叉验证实验结果表明,基于线性模型的预测表现要优于其他算法,而在基于线性模型的4种算法中,有对特征进行选择的算法得到了更好的结果。(2)基于主动学习的智商预测研究。主动学习算法可以有效处理没有足够的训练样本的情况,因而适合本研究的小样本场景。本研究中基于贪婪取样的预测模型和基于期望变更最大化的预测模型,分别结合岭回归、支持向量回归、弹性网回归方法,构建智商预测模型。实验结果表明,主动学习方法的应用可以提升预测效果。(3)基于迁移学习域适应方法的智商预测研究。本研究分别基于模型融合的域适应(DAMF)、加权正则化域适应回归(WARR)两种算法,构建智商预测模型。实验结果表明该方法引入对提升智商预测效果作用有限,提示我们的“源域集和目标集数据分布不一致”假设可能不适用于当前研究问题。综上,本研究基于人脑的RS-fMRI图像,结合经典回归算法、主动学习算法、迁移学习域适应等机器学习算法,对成年人的智商进行预测。实验结果表明采用经典线性回归模型可以达到很好的预测效果;主动学习算法的引入可以有效提升预测效果;迁移学习域适应算法的引入在提升智商预测效果方面作用有限。本研究的创新性在于:(1)系统地比较了多种经典回归算法在基于静息状态fMRI的智商预测方面的效用;(2)率先将主动学习算法结合回归算法应用于基于静息状态fMRI的个体认知参数定量评估;(3)率先校验了域适应算法在基于静息状态fMRI的个体认知参数定量评估方面的有效性。