手机知网 App
24小时专家级知识服务
打 开
手机知网|搜索

脑认知状态fMRI数据的分析及分类方法研究

孙波

  信息学、计算机科学、以及神经学,三门学科伴随着科技的进步和科学的新发展,逐渐组成一体,形成的神经信息学是一门跨学科的科研领域。近些年来,对脑图像的研究和探索,使得这一领域不断产生大量的数据,如何合理的利用数据挖掘算法来高效处理和分析这些数据,获取更深层次的数据知识和潜在规律,进一步探究大脑的认知工作机理,已经逐渐成为新的科研热点。 本文的研究方向是在没有先验医学知识的前提下,对大脑功能磁共振成像(functional Magnetic Resonance Imaging, fMRI)数据进行预处理、特征降维、特征提取,并在此基础上对脑认知状态进行分类识别。 首先介绍了基于统计参数图软件包(Statistical Parametric Mapping, SPM)对fMRI图像进行预处理的详细步骤,并对预处理后的数据进行了初步降维。在经过数据的预处理后,采用主成分分析法,以特征值分解为基础,消除多元变量间的相关性,将高维向量投影到低维潜在语义空间中,之后引入粗糙集的概念,使用粗糙集理论中的属性约简计算方法对主成分进一步的挑选,从而使得这些主成分可以充分描述数据集中的所有概念。实验证明,这两种方法的融合可以将fMRI数据降至一维向量,虽然在时间上要比单独使用主成分分析方法约要多消耗2%的时间,但是却进一步提高了4%左右的分类精度,为取得更准确的分类结果打下了基础。 在上述工作的基础上,讨论了一种新的脑认知状态分类识别模型。使用改进的量子粒子群算法,并在算法中添加生物医学中的免疫思想,对分类计算过程中每一代的粒子都接种防止退化的免疫疫苗,使量子粒子具有更好的方向性,提高了寻优能力。在UCI(美国加利福尼亚大学欧文分校)分类样本上,该方法比原始量子粒子群算法提高了4%的分类准确率。在脑认知实验的fMRI数据上进行识别分类实验,能够达到89%的分类准确率,取得了较好的分类效果。……   
[关键词]:功能磁共振成像;主成分分析;粗糙集;量子粒子群优化;免疫
[文献类型]:硕士论文
[文献出处]:大连理工大学2011年
App内打开