基于功能磁共振数据的大脑网络研究及判别分析

来源 :湖南师范大学 | 被引量 : 0次 | 上传用户:zfhtang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
功能磁共振成像是一种无创伤、无侵入的技术。由于这一特性,它越来越多的被应用于精神疾病的研究。本文希望通过分析脑功能连接网络考察精神分裂症的遗传特性。依照ALL模板将人脑划分为90个分区,采用Fisher’s r-to-z变换将这些区域fMRI平均时间序列两两之间的相关系数转换成z值从而利用双样本t检验得到异常的连接,以构造对照组的全脑异常连接网络。在此基础上,做了一下几方面的工作:首先通过对精神分裂症患者与正常人大脑功能连接的异常和精神分裂症患者同胞与正常人大脑功能连接的差异作比较分析。找出它们的共同点,说明精神分裂症的遗传特性,其健康同胞患病的潜在威胁。结果发现:这两组对照的异常都主要出现在颞叶及颞叶内侧结构(Tem),顶叶(Par)和前额叶(PreF),其次在额叶其他部分(OthF),枕叶(Occ)等分区也出现了一定程度的异常连接。其次,通过对精神分裂症患者与正常人对照组进行训练得到了两个效果较好的分类器。利用他们分别对精神分裂症患者与正常人、精神分裂症患者与精神分裂症患者健康同胞对照组进行判别分析。T-Test特征选择结合支持向量机的判别分析结果显示前组的效果明显都高于后者,因此精神分裂症患者健康同胞是一类特殊的正常人,同时也进一步说明的其患病的潜在威胁性。用LOOTT特征选择结合支持向量机分析也得到了上述结果。在这些精神分裂症的遗传特性的考察过程中,我们找出了与精神分裂症有关的三个分区:颞叶及颞叶内侧结构(Tem),顶叶(Par)和前额叶(PreF)。还发现通过T-Test特征选择或LOOTT特征选择结合支持向量机对精神分裂症患者进行判别分析都能得到较好的分类效果。因此我们可以利用这两种分类器辅助精神分裂症的临床诊断。
其他文献
学位
学位
非线性矩阵方程是矩阵理论和数值代数研究的重要领域之一.此类方程被广泛的应用在阶梯网络,控制论,动态规划,随机筛选以及统计学等许多领域.而在所有的应用当中我们关注最多的则
M矩阵是计算数学学科研究中的主要分支,常用来解决物理学,经济学和生物学等方面的问题,而M矩阵的最小特征值下界估计是矩阵理论中主要概念之一,故有重要的研究意义。论文以现有文
本文利用变分方法研究了全空间上两类非局部问题正解的存在性.首先考虑了一类Kirchhoff-Shr dinger-Poisson系统正解的存在性,其次研究了一类p-Kirchhoff型方程正解的存在性。
有理差分方程是离散动力系统研究中一个非常重要的分支.尽管其形式简单但由于具有很强的研究技巧,故己成为研究热点之一。同时,随着生物工程,金融和计算机科学等学科的进步和发
本文主要研究一个演化方程的超扩展.从一个新的谱问题出发,推导出超可积方程族;并构造出其超Bi-Hamilton结构;进一步得出前两个非平凡的超方程族的无穷守恒律;最后引入一个新的变量,推导出(2+1)维超方程组,当与为零时,约化为(2+1)维的mKP方程。
学位
风险理论是精算数学的核心内容,因此这也引起越来越多从事经济与保险行业的研究人员的关注.众所周之,经典的风险模型及其推广模型主要考虑保费收入是连续的.然而,保费连续性在风险模型的应用中有很大的局限性.为了使模型更加符合保险公司的实际运作,很多学者将随机收入风险模型引入到风险理论中.近些年来,保费的随机化成为风险模型研究的热点课题.本文主要考虑了一类具有随机收入风险模型的破产相关问题,并得到了一些相关