基于SVM的MCI功能影像數(shù)據(jù)分類研究.pdf

1、傳統(tǒng)的MCI檢查方法周期長、誤差較大。隨著功能影像技術(shù)的發(fā)展，fMRI被逐漸應(yīng)用到MCI診斷中，但是診斷仍需要依靠醫(yī)生的經(jīng)驗(yàn)，難以推廣。利用數(shù)據(jù)挖掘技術(shù)分析fMRI數(shù)據(jù)，建立診斷模型，可以更好地輔助臨床診斷。而如何提取MCI的分類特征，構(gòu)建分類器等均是構(gòu)建診斷模型的關(guān)鍵。
　　 本研究在已有研究的基礎(chǔ)上，研究MCI的特征提取和分類模型的構(gòu)建。首先提取單體素BOLD效應(yīng)作為分類特征，利用SVM構(gòu)建單體素弱分類器，篩選正確率較高的單

2、體素分類器，利用AdaBoost構(gòu)建集成分類器，用于輔助MCI的臨床診斷。本文主要工作如下:
　　 (1)分析MCI的fMRI數(shù)據(jù)特點(diǎn)，提取單體素的BOLD曲線變化特征。
　　 (2)利用SVM算法，構(gòu)建單體素弱分類器;通過LOPO方法測試分類效果，篩選了準(zhǔn)確率較高的弱分類器，并簡單分析了這些體素的分布區(qū)域，實(shí)驗(yàn)結(jié)果表明，正確率較高的體素所在區(qū)域均為MCI的關(guān)鍵腦區(qū)。
　　 (3)采用AdaBoost算法，集成篩