基于體素的fMRI數(shù)據(jù)分類研究及其應用.pdf

1、人腦是人體內(nèi)外接受、存儲、處理、整合各種信息的中樞，長期以來，人們越來越執(zhí)著于對大腦客觀、確鑿的大腦真想的追尋。隨著科學技術的發(fā)展，各種研究人腦的技術應運而生，隨之產(chǎn)生海量的數(shù)據(jù)。僅對這些數(shù)據(jù)進行簡單的處理，無法挖掘出背后隱藏的信息。所以，必須用有效的數(shù)據(jù)挖掘方法和先進的機器學習方法，對實驗得到的數(shù)據(jù)進行分析，處理和建模，從而發(fā)現(xiàn)新的規(guī)律，揭示腦認知活動的奧秘。
　　功能磁共振成像技術(fMRI)是近些年來快速發(fā)展的一門成像技術，

2、它具有高分辨率、無創(chuàng)傷性的優(yōu)點，為研究人類大腦的認知過程提供了諸多的便利，尤其在大腦腦區(qū)功能定位和大腦腦網(wǎng)絡構建方面發(fā)揮了重要的作用。
　　本研究是國家自然基金項目“圖像顏色和形狀特征綁定的腦認知過程及模型研究”的一部分，屬于探索性研究，主要是探索研究基于圖像和顏色的特征捆綁圖像在大腦中的激活模式，設計合理的fMRI實驗，選取適用于本研究的特征選擇和特征抽取方法，選擇合適的分類算法對數(shù)據(jù)進行分類，實現(xiàn)對不同特征捆綁圖像fMRI數(shù)據(jù)

3、的識別。主要工作如下:
　　研究了心理學實驗設計和fMRI實驗設計的常見模式，結合本研究的研究目的，設計了合理的實驗范式，選取合適的被試，并根據(jù)實驗要求設置合理的設備參數(shù)。
　　熟悉了解以往的數(shù)據(jù)處理方法，根據(jù)以往研究，選擇適合本實驗數(shù)據(jù)處理的方法，對數(shù)據(jù)進行預處理，特征選擇、特征抽取和分類。使用基于MATLAB平臺的SPM軟件對采集到的實驗數(shù)據(jù)進行預處理;特征選擇中，對比了激活區(qū)特征體素選擇和基于分類準確率高的單體素集成特

4、征體素選擇方法，發(fā)現(xiàn)單體素集成的特征選擇方法更適用于本研究;特征抽取中，對比了BOLD變化最大值、BOLD變化速度、BOLD累計值和BOLD時間序列方差和均值組合四種特征抽取方法，對比得知，BOLD時間序列方差和均值組合的特征抽取方法更適用于本研究，準確率相對其他幾種方法較高。分類算法中，選擇對比了兩種方法:支持向量機(SVM)分類算法和基于多個弱分類器集成的Adaboost算法，發(fā)現(xiàn)Adaboost具有較高的準確率，接近90％。