欢迎来到天天文库
浏览记录
ID:35072203
大小:6.23 MB
页数:64页
时间:2019-03-17
《多模态特征选择及其在脑疾病分类中的应用研究》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、TP391102871616-1中图分类号:论文编号:S02学科分类号:081200硕±学位论文多模态特征选择及其在脑疾病分类中的应用研究研究生姓名叶婷婷学科、专业计算机科学与技术研究方向机器学习与脑影像分析指导教师张道强教授南京航含航天大等研究生院计算机科学与技术学院二〇—六年一月NaninUniversitofAeronauticsandAstrona山icsjgyTheGraduateSchoolCollege
2、ofComputerScienceandTechnologyM山t-iModalitFeat:ureSelectionwi化yAplicationsinBrainDiseaseClassificationpAThesisinCom山erScienceandTechnolopgybyYeTintinggAdvisedbyProtZhanDaoiangqgSubmittedinPartialFulfillmento
3、ftheRequirementsfortheDereeofgMasterofEnineeringgJanuar2016y,承诺书本人声明所呈交的硕±学位论文是本人在导师指导下进行的研究王作及取得的研究成果。除了文中特别加臥标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可将学位论文的全部或部分内容编入有关数据库进行检索,可采用影印
4、、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本承诺书)作者签名:4和哥、|/日期:—7^^^1南京航空航天大学硕±学位论文摘要最近几年,随着医学影像技术的成熟和发展,基于送些神经影像技术的图像数据提取人脑的全脑结构与功能连接模式,用于脑疾病的预测和诊断,已经成为新的研究热点。通过运用机器学习和模式识别提供的技术手段和方法,分析多种模态的医学影像数据,发现其中的规律,从而有效的预测和分类未知数据,并找出与脑疾病有关
5、系的脑区特征,也已成为研究趋势。本文基于多任务特征选择方法,对多模态神经影像数据进行分析和研究,从而进行脑疾病的分类。本文的主要工作和创新点如下:一首先,我们提出了个判别性多任务特征选择方法,来选择最具判别性的特征用于基于多一一模态的脑疾病分类。具体来说,对于每个模态,我们使用相应模态的数据训练个线性回归模型一,并且进步对送些回归模型的权重执行组稀疏正则化,用于在多个模态中联合的选择共同的特征一。进步,我们提出基于类内类间拉普拉斯矩阵的判别性正则化项来更好的使用样本之间
6、的判别性信息。在选择出判别性特征之后,我们使用多核支持向量机方法来进行脑疾病的分类。实验结果表明,我们提出的方法不仅改善了脑疾病的分类性能,而且有潜力发现对于疾病诊断有利的与疾病相关的生物学标记,因而具有较大的生物医学意义。另外,我们发孤在存在的多模态特征选择方法中通常使用传统距离,比如欧氏距离,来度量两个样本之间的相似性,由于欧氏距离静态的本质,它忽视了目标样本和所有其他样本之间的全局结构信息。因此,为了充分考虑样本的动态全局信息,我们采用有效距离来替代欧氏距一离作为种相
7、似性度量方法用于特征选择学习W及用选择的特征实现脑疾病的分类。具体地,一我们使用稀疏表示算法来获得有效距离,然后,定义基于有效距离的拉普拉斯矩阵,进步,提出我们的基于有效距离的多模态特征选择方法用于脑疾病的分类。实验结果表明,使用有效距离用于多模态特征选择算法能够有效地把握样本的全局和局部信息,并且可W获得更加优越的分类性能。关键词:脑疾病,多任务特征选择,多模态,分类,判别性正则化,组稀疏正则化,有效距离1多模态特征选择及其在脑疾病分类中的应用研究ABSTRA
8、CTRecentlwiththedevelomentofmedicalimaintechniuesextractinwholebrainstructurey,pggq,gandthefunctionoftheconnectionmodelofthehumanbrainbasedonimagedataofthesemedicalimainbchniesanduseditfortheredictionand
此文档下载收益归作者所有