随机森林在医学影像数据分析中的应用

《随机森林在医学影像数据分析中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、随机森林在医学影像数据分析中的应用1绪论1．1医学影像的发展及其应用概述医学是关系到千万人身心健康的应用学科，医学的发展体现了一个国家的发展水平，也代表着一个国家的综合国力。自伦琴于1895年发现X射线以来，医学的诊断方式发生了重大变化。随着可视化技术的飞速发展，现代医学越来越离不开医学影像的信息处理，医学影像在教学科研，临床诊断等领域发挥着重要作用，目前的医学影像包括彩色多普列超生图像，核磁共振(MRI)，CT，DSA等。其中功能磁共振成像(functionalMagneticResonanceImaging，fmri)[1

2、]是目前为止功能影像领域最常用的一种非损伤性活体脑功能检测技术，它利用脑活动所引起的局部区域血液中脱氧血红蛋白浓度的变化来检测脑部活动。相对于其它影像技术而言，fmri具有较好的时间分辨率和空间分辨率，能给出更为精确的功能关系。但是由于个体差异、噪声的影响及类别差异小等因素的影响，使医学图像的诊断识别有了难度。因此，如何充分运用历史确诊病例的临床影像资料及病人的就诊信息，找到较优的数学方法，并使用计算机科学技术快速准确的将医学图像中的病变区域检测出来，检索出相似的病例，对辅助医生进行医学研究具有重要的现实意义。自上个世纪以来，

3、国内外许多学者对医学影像的分类方法进行了广泛的，深入的研究，在该领域产生了许多分类方法，比较著名的有决策树[2】，支持向量机[3]，贝叶斯等分类模型[4]。但是医学领域的1硕士毕业论文样本种类繁多，特征各异，高维等诸多问题给研究者带来了挑战。近几十年来，fmri技术在临床神经科学和认知神经科学等领域的应用已经取得了不小的成就。基于fmri信号的数据分析主要集中在脑部功能区定位及脑区之间的连接分析这两方面，前者是为了找到与外界刺激任务有关的激活脑区；后者则是通过对比分析正常人和疾病患者之间的功能连接，找到与疾病相关的大脑异常连接

4、，为精神疾病的检测提供量化指标，为病因和病理研究提供理论依据。传统上精神疾病的诊断主要依靠临床观察、问卷调查等方式，由于受主观因素的影像，得到的结果往往会与实际情况偏差较大，而基于fmri数据的分析，通过寻找客观的生物标记(biomarkers，是一种用于反映正常生物的病态过程或者在治疗、观察过程中病理学反应的，客观的，可计算的特征)，改善对精神疾病病情的诊断，能够在一定程度上避免传统诊断的缺点，使结果趋于可靠。对精神疾病生物标记的寻找，具体来说是通过对脑结构和功能领域的许多的指标的计算实现的，用得到的生物标记来对健康正常人和

5、病人进行判别分析，与此相关的论文被大量发表[5]。得到生物标记之后，就可以用给定的机器学习方法对正常人和病人进行判别分析。寻找一种合适的特征选择方法及机器学习方法，使得以较少的特征子集得到较高的分类正确率是我们面临的一项挑战。由于fmri数据是高维的，因此要对其进行特征筛选，一般是挑选正常人和病人之间具有显著差异的特征用来训练和预测分类。本文对各被试(subject)的脑区之间功能连接进行计算，提取相应的’随机森林在医学影像数据分析中的应用功能连接特征，并选择起重要作用的特征，剔除大量冗余连接，利用随机森林等分类方法进行训练和

6、预测，以期在较高正确率的基础上选出较少的重要特征。另外，计算各重要特征对分类所起作用的大小，即对所选的特征进行“贡献值”分析，进而找到起显著作用的异常脑区，为精神疾病的诊断和治疗提供一定的客观依据。2．2精神病数据的功能网络与研究现状一般认为，人类大脑是一个复杂的，稀疏的网络，具有良好的小世界属性，以确保大脑功能的高效性。大脑的不同区域具有不同的功能，而不同的区域又互相作用，互相协调，共同构成一个有机整体来发挥其功能。研究表明：许多精神疾病与各脑区之间交互作用的异常有关，因此，对功能网络进行构建及对其功能连接进行分析的研究应运

7、而生。脑功能网络根据连接的性质不同，分成效应连接(effectiveconnectivity)和功能连接(functionalconnectivity)两种不同的网络，前者研究一个脑区是如何对另一个脑区进行作用的，即脑区间信息如何传递的问题，考虑了脑区之间相互作用的方向性；后者度量了空间上脑区间的统计依赖关系，即是否存在连接关系，没有方向性。功能连接常用的度量是时域下的相关关系(correlation)和偏相关关系(partialcorrelation)，本文研究的是功能连接网络，也可以类似的推广到效应连接网络。硕士毕业论文基

8、于fmri数据脑功能网络连接分析的研究，由于其对临床诊断及治疗意义重大，因此国内外在此方面的研究也相当多，大致有两种体现方式：①突出显著性脑区，或者有差异的网络量。如癫痫症方面，小世界属性是能有效区分病人和正常人的特征之--[6]，抑郁症方面，研究表明：三大主要区域影响大脑活