论文部分内容阅读
轻度认知障碍(MCI)是介于正常衰老和阿尔茨海默病（AD，老年痴呆）之间的一种中间状态，很容易转化为老年痴呆，因此MCI的早期研究是降低老年痴呆的关键，成为了当前的研究热点，具有重要的研究意义。 任务态下血氧水平依赖的功能磁共振成像(BOLD-fMRI)作为一种无侵入的技术，将血氧浓度的变化作为一种对比剂避免大脑受到损伤，可对大脑进行可靠和准确定位。BOLD-fMRI具有高复杂性和高维等特点，谱聚类可以在任意样本空间上聚类，得到很好的聚类结果，因此本文利用改进的谱聚类算法对BOLD-fMRI进行数据降维，提取有显著差异的模式，得到MCI和正常人有差异的激活体素，构造分类矩阵，得到分类模型，为MCI的检测和诊断提供一定的参考价值，主要工作如下: 1，详细介绍传统谱聚类算法和Nystr(o)m自适应谱聚类算法，针对两种算法应用到BOLD-fMRI数据集上出现的问题在传统谱聚类算法基础上做了三方面改进，分别是相似矩阵的构造，聚类分组数K值的确定和内存溢出。 2，获取BOLD-fMRI实验数据集，利用DPARSF对数据预处理，多次测试选取合适的脑模板和基线值提取BOLD变化率。 3，分别用传统谱聚类算法、Nystr(o)m自适应谱聚类算法和改进的谱聚类算法对大脑激活体素的聚类，提取有显著差异的BOLD变化模式。针对BOLD-fMRI数据集聚类效果没有确定的评价标准，本文通过BOLD变化模式的显著差异和提取的激活体素对应的脑区位置这两个方面综合评价算法的优劣，然后确定参数的选取。最后对提取的激活体素构造分类矩阵，得到的分类正确率和以往的研究进行对比有所提高，提取的激活体素在以往的研究中也有所报道。