基于灰色系统理论的脑功能图象特征提取研究

摘要

本文对基于灰色系统理论的脑功能磁共振数据的特征提取算法进行了较为深入的研究，完成的主要工作如下： 1.深入分析了fMRI的成像原理、特点及数据处理方法； 2.详细论述了灰建模的概念、特点、应用范围及性质，深入研究和讨论了G.M(1，1)模型的建模机理和方法； 3.通过建立灰模型获得模型参数，将GM(1，1)用于人在不同的功能状态下的脑功能图象的特征提取研究； 4.尝试与探讨了基于灰色系统理论的脑功能特征提取新算法；。 5.以实测脑功能核磁共振图象为研究对象，实际建立了人在不同的手部运动状态下的的脑功能灰色模型，并进行了特征提取； 6.为验证算法的有效性引入K-近邻的方法对脑功能特征进行分类决策，取得了较为理想的分类识别结果。 研究结果表明通过灰建模提取脑功能图象特征的方法是有效的、可行的，该方法为脑功能识别探索了一种新的方法和途径。

目录

文摘

英文文摘

西北工业大学学位论文知识产权声明书及西北工业大学学位论文原创性声明

第一章 绪论

1.1研究背景及意义

1.2论文主要工作及结构安排

第二章 脑功能磁共振成像技术及分析方法简介

2.1功能磁共振成像概述

2.1.1 fMRI成像原理与成像技术

2.1.2 fMRI发展与现状

2.2脑功能磁共振图象处理方法简介

2.2.1脑功能磁共振成像信号特性

2.2.2脑功能磁共振数据处理方法

第三章 灰色系统理论及GM(1，1)建模方法研究

3.1灰色系统理论概述

3.2灰建模理论及应用

3.3 GM(1，1)模型的建立

3.3.1 GM模型

3.3.2 GM(1，1)模型

第四章 实测脑功能磁共振图象分析及特征提取

4.1实验数据来源及介绍

4.1.1来源及目的

4.1.2图象数据获取方法

4.1.3部分实验数据

4.2实测脑功能磁共振数据GM(1，1)建模及特征提取

4.2.1灰色模型建立及特征提取总体方案

4.2.2数据预处理

4.2.3级比检验和模型可行性分析

4.2.4数据GM(1，1)模型的建立

4.2.5特征提取及模型参数估计

4.2.6结果分析

第五章 分类识别实验结果及分析

5.1模式识别的概念及基本方法

5.1.1模式识别的概念

5.1.2模式识别的基本方法

5.2模式识别在医学图象中的应用

5.3脑功能磁共振数据分类识别的总体步骤及方案[33][34]

5.4 K-近邻识别

5.4.1 K-近邻算法(k-Nearest Neighbor,k-NN)[36]

5.4.2对KNN方法的说明

5.5识别过程及结果

5.5.1识别过程

5.5.2识别结果

5.5.3结果分析

第六章 总结与展望

6.1全文工作总结

6.2存在的问题及进一步的工作

6.3展望

参考文献

读研期间发表的学术论文

致谢