基于機(jī)器學(xué)習(xí)的神經(jīng)影像分析和腦疾病診斷.pdf

1、隨著神經(jīng)影像技術(shù)的高速發(fā)展，特別是核磁共振成像（MRI）等技術(shù)的應(yīng)用和普及，在臨床上，神經(jīng)影像由于無(wú)創(chuàng)、高組織分辨率等優(yōu)點(diǎn)正被廣泛用于阿爾茨海默?。ˋD）、輕度認(rèn)知功能障礙（MCI）等腦疾病診斷。實(shí)際臨床應(yīng)用中，放射科醫(yī)生往往需要手動(dòng)識(shí)別和量化某些感興趣區(qū)域，隨著患者數(shù)目的增加，手動(dòng)識(shí)別和量化迅速變得不切實(shí)際。隨著圖像識(shí)別技術(shù)的飛速發(fā)展，使得利用計(jì)算機(jī)來(lái)有效處理神經(jīng)影像數(shù)據(jù)、幫助醫(yī)師進(jìn)行輔助診斷，提高診斷的準(zhǔn)確率成為可能。然而，由于神經(jīng)

2、影像數(shù)據(jù)所固有的高維度，如何對(duì)其進(jìn)行快速有效地處理和分析、并建立計(jì)算機(jī)輔助腦疾病診斷模型是當(dāng)前研究的關(guān)鍵科學(xué)問(wèn)題之一。
　　神經(jīng)影像計(jì)算分析的主要研究?jī)?nèi)容包括圖像預(yù)處理、圖像分割和配準(zhǔn)、圖像特征提取和分類器設(shè)計(jì)等。本論文主要針對(duì)神經(jīng)影像計(jì)算分析中的特征提取和分類器設(shè)計(jì)兩個(gè)關(guān)鍵問(wèn)題，研究基于機(jī)器學(xué)習(xí)技術(shù)的神經(jīng)影像特征提取和分類器設(shè)計(jì)算法模型。最后用研究的算法在ADNI神經(jīng)影像數(shù)據(jù)庫(kù)中進(jìn)行測(cè)試，針對(duì)正常人、輕度認(rèn)知功能障礙患者（MCI

3、）以及阿爾茨海默病患者（AD）三類對(duì)象進(jìn)行分類驗(yàn)證。本文的主要的貢獻(xiàn)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(xiàng)的稀疏度條件與l2范數(shù)正則項(xiàng)的訓(xùn)練樣本組標(biāo)簽信息，得到一個(gè)組稀疏表示分類器。實(shí)驗(yàn)證明，該分類器在面對(duì)MCI轉(zhuǎn)化患者（轉(zhuǎn)化為AD）和MCI非轉(zhuǎn)化患者的分類問(wèn)題時(shí)表現(xiàn)要優(yōu)于其他傳統(tǒng)的分類方法。
　　（2）基于深度學(xué)習(xí)框架，提出了一個(gè)基于堆疊自動(dòng)編碼器網(wǎng)絡(luò)的特征提取方法，從原始的簡(jiǎn)單、低水平特征提取出