若干生物醫(yī)學(xué)數(shù)據(jù)處理中的分類問題研究.pdf

1、隨著生物醫(yī)學(xué)領(lǐng)域中大量數(shù)據(jù)的產(chǎn)生，如何高效且有效的處理數(shù)據(jù)，并進(jìn)行分類是一個值得研究的工作。在這樣的背景下，本文對人體生理、臨床醫(yī)療、流行病學(xué)、移動醫(yī)療等若干生物醫(yī)學(xué)數(shù)據(jù)進(jìn)行分類研究。
　　對數(shù)據(jù)進(jìn)行分類研究主要步驟有：數(shù)據(jù)清理、數(shù)據(jù)集成、特征提取、數(shù)據(jù)歸約、優(yōu)化分類等。本文深入分析了數(shù)據(jù)分類處理的相關(guān)理論基礎(chǔ)，研究了分類各階段的方法，建立了特定疾病數(shù)據(jù)的模型，確定了可行的分析步驟，針對一些方法存在的問題作了相應(yīng)的改進(jìn)，并將改進(jìn)后

2、的新方法應(yīng)用于臨床醫(yī)療診斷、神經(jīng)信息學(xué)、病情預(yù)后等領(lǐng)域，并建立了平臺創(chuàng)建應(yīng)用場景，為算法進(jìn)行了驗證，還為未來遠(yuǎn)程醫(yī)療、移動醫(yī)療平臺建設(shè)中將要碰到的關(guān)鍵問題做了初步的理論研究和應(yīng)用基礎(chǔ)研究，大量實驗評估表明新方法獲得了較好的測試效果。
　　本論文的研究工作和主要創(chuàng)新點包括幾個方面：
　?。?）提出了非負(fù)稀疏矩陣分解主成份分析方法并應(yīng)用于阿爾茨海默病和輕度認(rèn)知障礙的分類
　　在使用Freesurfer軟件計算出大腦皮層各個

3、不同部分的厚度后，本論文提出了一個基于矩陣分解的非負(fù)稀疏主成份分析（NSMFPCA）方法用在阿爾茨海默?。ˋD）患者、輕度認(rèn)知障礙（MCI）患者和正常對照組（Normal Control）分類前的特征提取，發(fā)現(xiàn)了利用大腦皮層厚度數(shù)據(jù)分類AD-Normal、MCI-Normal效果很好，但在分類AD-MCI時效果很差。在利用非負(fù)稀疏PCA提取特征后，使用支持向量機(jī)分類時，這個算法比現(xiàn)有的非負(fù)稀疏 PCA速度更快，性能更優(yōu)。算法不但避免了特

4、征值計算方法的一些缺點，而且在PCA和NMF算法之間的關(guān)系給出了一個新的觀點，也為設(shè)計新的PCA算法打開了一條新的路子。
　?。?）提出了利用腦電信號進(jìn)行生物特征識別的基于小波的遺傳優(yōu)化支持向量機(jī)算法
　　在研究了分類前階段的特征提取算法后，又研究了基于腦電信號（EEG）的四個被試數(shù)據(jù)的生物特征識別方法。預(yù)處理后的數(shù)據(jù)，用小波變換獲得δ、θ、α、spindle、β、γ的12個均值和12個方差。使用主成份分析將每個被試在三個不

5、同警覺度狀態(tài)的共45個通道的數(shù)據(jù)樣本（共4×3×45=540樣本）減少至4個維度。利用優(yōu)化粒子群算法（PSO）和遺傳算法（GA），計算處理參數(shù)c和核函數(shù)參數(shù)g，然后使用支持向量機(jī)（SVM）方法對數(shù)據(jù)進(jìn)行分類。實驗結(jié)果表明，不同的算法，使用不同的歸一化和降維方法，分類的精度是不同的?；谛〔ǖ倪z傳優(yōu)化支持向量機(jī)（EEGWGASVM）算法通過小波變換獲得特征，然后歸一化到區(qū)間[-1，1]，用GA進(jìn)行SVM的參數(shù)優(yōu)化，提高了分類性能。

6、　?。?）提出了P-TAN-Bayesian network算法來對多發(fā)性硬化的患者損傷部位與日常生活活動能力做概率分析
　　有些醫(yī)學(xué)數(shù)據(jù)無法進(jìn)行簡單的分類和預(yù)測。多發(fā)性硬化（multiple sclerosis,MS）疾病的損傷和臨床殘疾之間的相關(guān)性很難確定。MS能造成大腦和脊髓的病變，但是具體的量化概率沒有人做過相關(guān)研究，然而這對臨床應(yīng)用很重要。本論文采用生活活動能力的分級方法，研究了它和損傷部位之間的這種相關(guān)性。實驗數(shù)據(jù)來自

7、上海的大規(guī)模多發(fā)性硬化流行病學(xué)調(diào)查結(jié)果（2004.9.1－2005.8.31）。這些被研究的病人通過核磁共振掃描（MRI）檢查了他們的損傷部位和大小，人數(shù)總共238人。通過P-值的假設(shè)檢驗特征選擇計算，發(fā)現(xiàn)基于給定的顯著性水平0.05，日常生活活動能力與損傷部位的大小、性別、患者來源地的關(guān)系沒有統(tǒng)計意義；通過改進(jìn)的 TAN貝葉斯網(wǎng)絡(luò)概率計算方法，給出了大腦、脊髓、幕上等位置的病變與日常生活活動能力相關(guān)的概率，指出了腦干的損傷與日常生活活

8、動能力的弱相關(guān)性。
　?。?）實現(xiàn)了基于ITK/VTK的醫(yī)學(xué)圖像三維重建系統(tǒng)和基于移動醫(yī)療技術(shù)的遠(yuǎn)程診療網(wǎng)絡(luò)平臺
　　目前醫(yī)學(xué)圖像處理與分析中主要研究問題之一就是通過序列斷層醫(yī)學(xué)圖像進(jìn)行三維重建，并重構(gòu)人體的組織器官的三維形態(tài)。本論文在VS2005 C++編程環(huán)境下，以ITK/VTK工具包實現(xiàn)一款醫(yī)學(xué)圖像三維重建系統(tǒng)軟件，將非負(fù)稀疏矩陣分解主成份分析方法NSMFPCA整合在此平臺中，對未來其它算法預(yù)留了接口。
　　隨著

9、醫(yī)療服務(wù)升級，政府面臨著諸多的問題，如何有效地分配醫(yī)療資源將是未來面臨的難題。本文中實現(xiàn)的基于移動數(shù)字平臺和云計算技術(shù)的遠(yuǎn)程診療協(xié)作網(wǎng)絡(luò)平臺，利用移動技術(shù)，能夠讓醫(yī)療保健系統(tǒng)更加有效地分配資源。平臺能用于數(shù)據(jù)分析，以便進(jìn)行相關(guān)的研究。該平臺擁有數(shù)據(jù)采集子平臺、數(shù)據(jù)交換子平臺、數(shù)據(jù)管理查詢子平臺（網(wǎng)絡(luò)數(shù)據(jù)庫服務(wù)平臺）、數(shù)據(jù)分析子平臺。用戶通過Android和Windows Phone手機(jī)訪問，也可以通過平板電腦和個人電腦訪問，從而在一定程