《基於聚類過採樣和結構稀疏表達的ADHD多模態MRI融合分類》是依託北京交通大學,由黃惠芳擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名:基於聚類過採樣和結構稀疏表達的ADHD多模態MRI融合分類
- 項目類別:青年科學基金項目
- 項目負責人:黃惠芳
- 依託單位:北京交通大學
項目摘要,結題摘要,
項目摘要
注意缺陷多動障礙(ADHD)的準確診斷和及時治療日益受到社會和醫學界的廣泛關注。利用磁共振影像(MRI)技術研究神經精神疾病所取得的研究成果極大地促進了神經精神疾病的客觀診斷。目前基於磁共振神經影像的ADHD分類是當前的研究熱點之一,但是分類性能很不理想,有很大的提升空間。因此,本項目研究基於聚類過採樣和結構稀疏表達的ADHD多模態MRI特徵融合分類。主要研究結構MRI的局部腦區紋理特徵提取和靜息狀態fMRI頻率特定的功能連線特徵提取;針對樣本分布不平衡問題,通過基於聚類的過採樣方法構建類內子塊,研究考慮訓練詞典結構的結構稀疏表達進行ADHD分類,並用於選出有利於分類的結構特徵和功能特徵;最後利用隨機矩陣以少量投影保留原始信息的特點來實現特徵級融合,提升分類性能。本項目有助於推動MRI神經影像技術對ADHD疾病的客觀診斷,具有重要的基礎研究意義和臨床套用價值。
結題摘要
發育性神經精神疾病的準確診斷和及時治療日益受到社會和醫學界的廣泛關注。利用磁共振影像技術研究神經精神疾病所取得的研究成果極大地促進了神經精神疾病的客觀診斷。由於發育性神經精神疾病的複雜性和內在異質性,基於磁共振神經影像數據研究發育性神經精神疾病分類尚處在初步探索階段。本項目基於磁共振神經影像數據重點研究特徵提取和分類決策兩方面的問題,主要研究了功能和結構磁共振影像特徵提取、不平衡數據分類和特徵融合。(1)功能磁共振影像特徵提取主要從網路級特徵、連線特徵和時頻特徵來研究。提出了一個新穎的基於多網路的框架來增強功能連線網路表達,融合多個網路中傳達的共同和互補信息,分類性能明顯超過單網路方法。還提出了一個多級特徵選擇方法來細化靜息態功能連線特徵的選擇,識別自閉症的準確率為84.78%,識別出了22個功能連線特徵。此外,利用Gabor變換方法從靜息態功能磁共振時間序列中提取頻率特定的腦功能連線特徵,以捕捉複雜而微小的病理模式。結果表明自閉症和正常人的差異只在特定頻帶比較顯著。(2)結構磁共振影像特徵提取藉助獨立分量分析的稀疏編碼特性,從結構磁共振影像中提取穩定的有利於分類的局部腦區紋理特徵。實驗結果表明ADHD兒童與正常兒童之間的結構磁共振影像差異不太顯著。(3)利用聚類過採樣方法解決大腦影像數據不平衡分類問題。通過聚類過採樣方法使最終數據集包含相同數目的多數類和少數類,增強了對少數類的表達,有效地解決了由於數據不平衡而產生的性能下降。(4)特徵級融合能最大程度地保留原始信息提高分類性能。為了結合功能和結構磁共振影像的互補信息,利用彈性網實現功能和結構磁共振影像的特徵級融合,提高了分類性能。本項目的研究是對大腦磁共振神經影像信息的深度挖掘,有潛力發現發育性神經精神疾病的客觀生物標記,幫助理解疾病的神經機制,同時也為多模態磁共振神經影像技術在其它神經精神疾病的分類提供借鑑,具有重要的基礎研究意義和實際套用價值。