论文部分内容阅读
大脑是一个精妙而神秘的器官,对大脑的探索受到了各国政府和整个学术界的重视。近年来,由于脑成像技术的快速发展,寻找脑疾病的异常功能连接和病灶是当前脑科学的一个重要研究方向。本文以支持向量机(Support Vector Machine,SVM)方法为基础构建基于遗传进化的随机SVM集群,并分别对自闭症和阿斯伯格综合症展开研究。本文的主要研究内容如下:(1)提出了基于遗传进化的随机SVM集群(Genetic-evolutionary Random SVM Cluster,GE-RSVMC)。首先使用SVM分类器作为基分类器,随机挑选样本与特征构建集群,然后引入遗传进化的思想,对集群进行多次进化,逐渐完成对样本的最优特征选择。由于新方法采用集群克服了单个基分类器的性能波动,同时采用遗传进化的方法对集群内部进行优化,这些措施有效地提高了集群的泛化性能。(2)采用基于遗传进化的随机SVM集群对自闭症进行研究。从ABIDE数据库中收集了103个自闭症患者和106个健康对照者的静息态fMRI数据。通过建立被试的脑功能连接网络,并且以脑区的图论指标为特征,采用本文提出的模型对这些被试的脑功能连接进行分析,结果发现遗传进化的随机SVM集群可以有效地识别自闭症患者和正常人,分类准确率最高达到96.8%,并且发现了自闭症患者的缘上回、岛盖部额下回、梭状回以及海马等脑区的功能连接存在异常。实验结果表明该方法可能成为自闭症诊断的辅助手段,为自闭症的研究提供一种新的技术路线。(3)使用基于遗传进化的随机SVM集群对阿斯伯格综合症进行研究。从ABIDE数据库中收集了62个阿斯伯格综合症患者和86个健康对照者的静息态fMRI数据。通过构建被试的功能连接作为样本特征,使用遗传进化的随机SVM集群对阿斯伯格综合症患者和正常人进行分类,模型的平均准确率达到了83.95%,同时发现角回、楔前叶、尾状核和楔叶等脑区可以作为有效识别阿斯伯格综合症患者和正常人的重要脑区。该研究证明了GE-RSVMC具有良好的泛化性能,可以为阿斯伯格症的诊断与治疗提供重要参考。