论文部分内容阅读
大脑是人体最重要的功能器官,它负责整合人体内外环境的信息、形成思想意识并控制人的行为,也就是大脑的认知能力,大脑的认知能力因年龄、疾病等的差异而不同,大脑认知能力的研究对于疾病的诊断以及人脑认识状态的研究都具有积极的意义。磁共振成像是当前最重要的脑认知功能研究技术手段之一,磁共振成像分为两类:结构像和功能像。脑静息态fMRI和结构MRI实验数据是一类噪声强、具有特别复杂结构的海量高阶数据,要想对脑认知神经的结构和功能取的实质的研究,就必须寻求能够有效的分析这一类特性数据的方法。鉴于高维磁共振成像数据对计算成本的影响,以及P-NMF的特点,本文提出了投影式非负张量分解的方法,在此基础上,我们又结合了支持张量机STM的特点,最终形成了P-NTFSTM的方法用于不同脑认知状态fMRI数据的判别分析。该方法将原始多维fMRI图像看作张量数据,直接对原始图像的张量描述从各个模式(mode)方向上进行降维也就是利用非负张量投影算子算法直接对脑fMRI多阶张量数据进行降维和特征提取,保留了脑功能磁共振成像数据的空间结构信息。为了能够综合运用两类磁共振成像技术,我们提出一种多模态多特征多类器的AD病人鉴别框架,通过有效地集成更丰富和更全面的信息,并根据不同的特征信息结构特性选取更适合的分类器,这种方法相比之前使用的技术能够有效改善分类能力。我们所用的成像模态包括结构MRI、R-fMRI两种模态,特征提取分别有基于结构MRI的大脑灰质密度(GMD)和基于静息态功能核磁共振成像(R-fMRI)的局部一致性(ReHo)、低频振幅(ALFF)、区域功能连接度(RFCS),分类器包括支持向量机(SVM),最大不确定性线性判别式分析(MLDA)。