【摘 要】
：
阿尔茨海默病（Alzheimer’s disease,AD）是一种最常见的脑组织神经疾病,其患者病症具体表现为记忆和思维能力的退化以及个人行为能力和社交能力的退化,且患有AD的人通常会伴随其它生理疾病。因此,AD的早期识别诊断对于减缓病情发展具有重要意义。针对阿尔茨海默症不同阶段人群难以识别的问题。本文首先使用卷积神经网络（Convolutional Neural Networks,CNN）方法对
论文部分内容阅读
阿尔茨海默病（Alzheimer’s disease,AD）是一种最常见的脑组织神经疾病,其患者病症具体表现为记忆和思维能力的退化以及个人行为能力和社交能力的退化,且患有AD的人通常会伴随其它生理疾病。因此,AD的早期识别诊断对于减缓病情发展具有重要意义。针对阿尔茨海默症不同阶段人群难以识别的问题。本文首先使用卷积神经网络（Convolutional Neural Networks,CNN）方法对结构性磁共振图像（Structural magnetic resonance imaging,s MRI）进行识别分析,提出了一种基于切片分组的CNN识别模型。该模型在降低计算开销方面,提出了切片分组策略和使用轻量级网络模型,大大降低了训练多个CNN模型所带来的计算开销。通过对多个切片组所对应的CNN模型进行集成,取得了不错的识别效果。虽然基于切片分组的CNN识别模型在识别方面取得了不错的效果,但进行切片处理的方式仍旧存在削弱受试者脑组织结构空间联系和识别模型整体计算开销较高的问题。因此,本文又提出了一种融合注意力机制的识别模型。该方法利用脑区模板标签（Automated Anatomical Labeling,AAL）划分受试者的大脑区域,将同一脑区中具有相同属性价值的体素数据组织在一起,并分别构造每个脑区所对应的基分类器。同时,受深度学习与计算机视觉注意力机制相关工作的启发,提出一种直映式注意力机制,提高了识别模型的准确率以及稳定性。在上述融合注意力机制的识别模型中,针对基分类器的优化问题,本文又提出了一种基于直推式支持向量机（Transductive Support Vector Machine,TSVM）迁移学习的识别模型。该识别模型受迁移学习相关工作的启发,利用半监督学习中的TSVM分类算法对上述有监督的基分类器进行优化设计。充分使用未标记样本数据和有标记样本数据,再次提高了识别模型的识别性能。基于本文所提出的融合注意力机制的识别模型以及基于TSVM迁移学习的识别模型,根据实验结果统计分析了识别模型所挑选出的与AD疾病相关性较高的优质脑区,并结合脑谱图进行描述,为其它研究AD的科研人员提供研究参考。
其他文献
如今,每个人的生活都离不开手机,随着移动互联网5G技术的发展,视频逐渐成为大家记录生活和社交交流的主要方式。但是,由于Android系统的开源特性以及网络传输开放和共享的特性,使得Android手机上视频存储和传输的安全性问题被广泛关注。视频图像与简单的文本消息不同,其具有数据量大、相邻像素间相关性强、时间和空间上冗余度高等特点。因此主流的一些文本加密标准如数据加密标准（DES）、高级加密标准（A
得益于现代计算机计算力的不断提升,与数据相关的计算机应用技术获得了飞跃发展,在大数据时代中数据库中存储了海量的数据,人们的关注焦点从获取并存储大量数据转移到了如何对数据进行挖掘技术以获取其中有用的信息。科学实验数据、医疗数据、人口统计数据、金融数据等领域产生了不少与数据挖掘相关的应用技术,如今发展数据挖掘相关的算法成为了学术界与工业界的重点研究对象。数据挖掘的各类算法可以根据不同的目的分为多种类型
随着5G的逐渐普及,互联网加速发展,网络信息呈指数性爆炸增长。面对海量的数据,用户如何从中找寻到自己所需要的信息,以及信息提供商如何让自己提供的信息被目标用户关注并收取都成为迫切需要解决的问题。为有效应对该问题,人们发明了推荐系统并取得了良好的效果。推荐系统的核心部分是推荐算法,本文通过查阅大量资料文献对推荐算法进行研究与分析,针对算法中存在的用户兴趣迁移、数据稀疏等问题,提出了一种新的基于时间遗
信息物理融合系统是一个将计算资源、物理环境和网络控制集成在一起的多层次的,高度复杂的、集成式的综合性系统。它通过网络通信,计算和控制等技术之间互相密切的结合,为各种工程系统提供信息网络服务和实时监控。CPS系统作为一个实时系统,具有高度的安全性、可靠高效等特点。信息物理融合系统必须通过传感器感知对物理环境的变化进行不间断的实时的感知,然后通过网络把这些感知的信息传递出去。CPS具有广泛的的应用前景
随着信息技术的不断发展,网络渐渐成为人们倾诉情感的重要场所,针对情感倾向的研究被人们广泛关注。在过去的情感分析研究中,较为传统的机器学习方法有KNN、朴素贝叶斯及SVM等算法,虽然这些传统算法的性能优良,但往往需要借助人力进行大量的特征标注,并且不具备较好的拓展性。而深度学习在最近几年被广泛地应用在各种自然语言处理的任务里。如CNN利用不同的卷积核提取局部特征进行情感分析,LSTM以及它的众多变体
随着互联网技术的飞速发展,线上的数据量正呈指数式增长,用户越来越难以从海量数据中找到精准的内容,推荐系统的出现正是为解决这一矛盾提供了思路。推荐系统通过利用用户对信息的交互行为将用户与其感兴趣的信息联系起来,从而帮助用户从海量信息中发现自己的潜在兴趣。如何利用用户的历史行为数据去预测用户偏好、发现用户潜在需求,并进而向用户推荐个性化内容成为推荐系统持续关注的热点问题。现有推荐方法在用户成分简单、个
随着近些年自动驾驶技术、激光扫描技术和机器人技术等的蓬勃发展,我们需要更多的信息来获得更好的环境感觉,而不仅仅是依靠图像、视频,这时三维数据就是一个很好的补充。三维点云因为其表达形式比较简单并且可以从激光雷达设备直接获得等优势而广泛应用在计算机视觉的三维数据表示。伴随着深度学习在三维视觉中的发展,生成或重建高分辨率、高保真的点云的能力变得至关重要。尽管深度学习模型最近在点云分类、点云目标检测和点云
在海量且多样化的数据充斥人们生活、工作、学习等方方面面的今天,如何在繁杂庞大的数据中高效、有效的检索到目标数据成为了检索研究方向一个亟待解决的重要问题。哈希检索因其检索上准确、快速的优点引起了大量关注。研究证明,在实际检索应用中有监督哈希方法要比无监督哈希方法的效果更好。时至今日,尽管有监督跨模态哈希技术已经有了不小的进展,但是仍然存在着一些问题需要解决。例如,大部分有监督哈希方法为了获取模态相似
芘类化合物是一类较为经典的蓝光材料（blue materials）,在光电领域上的应用前景是非常广泛,芘类衍生物通过分子裁剪、结构调控等方法可选择性制备颜色精准可控的RGB三基色,最终实现全彩显色,蓝光在全彩显示中的地位举足轻重,而蓝光材料相对比红绿光材料来说其本身具有较高的能量、较低的效率发光和短的寿命导致蓝光材料的发展遇到瓶颈,因此为提升蓝光材料芘基有机半导体材料的性能,提高材料的寿命,以及制
脑血肿与脑肿瘤会对颅内正常组织会造成挤压效应,严重损害中枢神经,进而危及病人生命安全。治疗脑部病灶的手段一般为神经外科手术,医生需要在术前阶段对病灶医学影像进行诊断分析,常用医学影像分割技术辅助处理。然而,分割算法仍存在许多挑战与困难。在脑血肿分割中,病灶与正常组织之间边界模糊、灰度信息上表现相似,造成分割结果包含了正常组织,容易发生误诊现象;在脑肿瘤分割中,肿瘤包含浸润水肿部分、肿瘤核与坏疽部分