基于随机森林的阿尔兹海默症计算机辅助诊断算法研究

摘要

阿尔茨海默症（AD）是世界上最常见的疾病之一。它是一种神经退行性疾病，会使得患者的认知功能出现障碍，记忆力衰退。至目前为止，对其尚未有有效地知了手段。也因此，AD的早期诊断是一个非常重要的研究领域，它吸引了许多研究人员参与到其中来寻找新的有效的诊断方法。
　　在本文中，我们主要通过随机森林算法，使用被试的MRI图像数据，对其是否可能患有AD病的进行诊断。随机森林算法能够从MRI的高维数据中学习到其低维特征和低维表达，我们使用随机森林算法对AD和正常对照组(NC)，AD和轻度认知障碍患者(MCI)进行了分类实验。
　　本文的主要贡献如下，我们将随机森林引入到了AD的相关研究中来，我们提出了一个新的随机森林算法，相较于其它算法，我们的算法表现出了更好的学习和分类能力，它能够有效的处理高维数据，且保持较高的分类准确率。
　　在实验中，我们的方法具有93％的分类准确性和81％的特异性。相对于其他算法，我们的方法表现出一定的优势。我希望本文能为在此领域内的进一步研究打下基础。

目录

声明

摘要

Abstract

Table of Content

List of Figures

List of Tables

List of Abbreviation

Chapter 1 Introduction

1．1 Background

1．2 Research Motivation

1．3 Research Question and Methodologies

1．3．1 Research Question

1．3．2 Methodologies

1．4 Previous Work

1．5 Main Work and Structure of this Thesis

Chapter 2 Magnetic Resonance Images Data

2．1 Magnetic Resonance Imaging(MRI)

2．2 ADNI Database

2．3 Three Class of Data

2．4 Diagnosis of AD

2．5 Dementia on the AD

Chapter 3 Methods

3．1 Data Preprocessing Pipelines Framework

3．1．1 Acquisition Data

3．1．2 Slice Timing Correction

3．1．3 Correction of Heard Movement

3．1．4 Motion Correction and Normalization

3．1．5 Spatial Smoothing

3．1．6 Data Analysis

3．1．7 Brain Activity’s Located

3．1．8 Brain Connectivity

3．2 Machine Learning Algorithms

3．2．1 Decision Tree

3．2．2 J48 Decision Tree

3．2．3 Logistic Model Trees(LMT)

3．2．4 Sequential Minimal Optimization(SMO)

3．2．5 Random Forest

Chapter 4 Experimental and Discussion

4．1 Preprocess Data

4．1．1 Feature Extraction

4．1．2 Feature Selection

4．2 Thickness Features

4．3 Adaboost Algorithm

4．4 Procedure of AD Detection

4．4．1 Results and Analysis Comparisons

4．4．2 Performance Evaluation Measure

4．4．3 Analysis Results with other Algorithms

4．4．4 Comparison between NRF with other Algorithms

Chapter 5 Conclusion and Future Work

References

Research Publication

Acknowledgement