

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著神經影像技術的高速發(fā)展,特別是核磁共振成像(MRI)等技術的應用和普及,在臨床上,神經影像由于無創(chuàng)、高組織分辨率等優(yōu)點正被廣泛用于阿爾茨海默病(AD)、輕度認知功能障礙(MCI)等腦疾病診斷。實際臨床應用中,放射科醫(yī)生往往需要手動識別和量化某些感興趣區(qū)域,隨著患者數(shù)目的增加,手動識別和量化迅速變得不切實際。隨著圖像識別技術的飛速發(fā)展,使得利用計算機來有效處理神經影像數(shù)據、幫助醫(yī)師進行輔助診斷,提高診斷的準確率成為可能。然而,由于神經
2、影像數(shù)據所固有的高維度,如何對其進行快速有效地處理和分析、并建立計算機輔助腦疾病診斷模型是當前研究的關鍵科學問題之一。
神經影像計算分析的主要研究內容包括圖像預處理、圖像分割和配準、圖像特征提取和分類器設計等。本論文主要針對神經影像計算分析中的特征提取和分類器設計兩個關鍵問題,研究基于機器學習技術的神經影像特征提取和分類器設計算法模型。最后用研究的算法在ADNI神經影像數(shù)據庫中進行測試,針對正常人、輕度認知功能障礙患者(MCI
3、)以及阿爾茨海默病患者(AD)三類對象進行分類驗證。本文的主要的貢獻和創(chuàng)新工作有:
(1)基于稀疏表示模型,融合了l1范數(shù)正則項的稀疏度條件與l2范數(shù)正則項的訓練樣本組標簽信息,得到一個組稀疏表示分類器。實驗證明,該分類器在面對MCI轉化患者(轉化為AD)和MCI非轉化患者的分類問題時表現(xiàn)要優(yōu)于其他傳統(tǒng)的分類方法。
?。?)基于深度學習框架,提出了一個基于堆疊自動編碼器網絡的特征提取方法,從原始的簡單、低水平特征提取出
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
評論
0/150
提交評論