亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        反社會(huì)人格障礙模式識(shí)別分析

        2014-07-09 02:03:41陳金剛唐艷
        科技創(chuàng)新與應(yīng)用 2014年20期
        關(guān)鍵詞:模式識(shí)別

        陳金剛+唐艷

        摘 要:目的:探討一種識(shí)別反社會(huì)人格障礙(antisocial personality disorder,ASPD)個(gè)體的方法。方法:找出ASPD個(gè)體與正常人的局部一致性(regional homogeneity,ReHo)存在差異的區(qū)域,提取個(gè)體在這些區(qū)域的值作為特征,采用多種模式識(shí)別方法(線性判別分析、C均值聚類和支持向量機(jī))實(shí)現(xiàn)對(duì)ASPD個(gè)體的識(shí)別。結(jié)果:采用非線性核的支持向量機(jī)方法可以最好的(精確度:87.88%)區(qū)分ASPD個(gè)體和對(duì)照。結(jié)論:針對(duì)ReHo的模式識(shí)別方法可以有效的識(shí)別ASPD個(gè)體。

        關(guān)鍵詞:反社會(huì)人格障礙;局部一致性;模式識(shí)別

        反社會(huì)人格障礙(antisocial personality disorder,ASPD)是人格障礙的一種類型,有這種障礙個(gè)體的突出點(diǎn)是行為具有悖離社會(huì)規(guī)范的傾向,易對(duì)社會(huì)經(jīng)濟(jì)造成巨大破壞[1]。現(xiàn)有研究表明局部一致性(regional homogeneity,ReHo)能夠反映疾病中人腦自發(fā)活動(dòng)的異常,有助于我們發(fā)現(xiàn)其潛在的精神病理機(jī)制[2]。因此,我們采用個(gè)體在感興趣區(qū)域的ReHo均值作為特征分量,構(gòu)建多種分類器,最后找到一種可以有效區(qū)分ASPD和正常人的方法。

        1 方法

        1.1 預(yù)處理

        預(yù)處理步驟主要包括:去除前5張圖像以排除干擾,層間時(shí)間校正,頭動(dòng)校正(僅保留頭動(dòng)平移小于1mm和轉(zhuǎn)動(dòng)小于一度的數(shù)據(jù)),空間標(biāo)準(zhǔn)化,去線性漂移和帶通濾波(0.01~0.08Hz)。

        1.2 ReHo的計(jì)算

        ReHo是一個(gè)體素與周圍體素在時(shí)間序列上的相似性的度量,相似性強(qiáng)的體素可以被認(rèn)為在進(jìn)行相同的活動(dòng)。采用肯德爾和諧系數(shù)(KCC)來描述體素間在整個(gè)時(shí)間段的相似程度[3],KCC的計(jì)算方法如下:

        W為KCC值;Ri是體素i時(shí)間序列秩和;R表示所選時(shí)間序列上Ri的平均值;n是時(shí)間點(diǎn)數(shù);K是所選最鄰域體素?cái)?shù),根據(jù)最鄰域的選擇標(biāo)準(zhǔn),一般K有7、15和27三種選擇,本研究中采用的是27。

        得到受試ReHo圖像后,將每一體素ReHo值除以全腦ReHo均值以進(jìn)行標(biāo)準(zhǔn)化,再采用FWMH為4mm的高斯濾波器進(jìn)行平滑以除去干擾。

        1.3 特征選擇

        得到所有受試處理好的ReHo圖像后,按照受試病理情況分成兩組,進(jìn)行雙樣本T檢驗(yàn),找出符合統(tǒng)計(jì)學(xué)顯著性標(biāo)準(zhǔn)的組間差異的大腦區(qū)域,將其作為感興趣區(qū)域(region of interest,ROI)。每個(gè)感興趣區(qū)域選取的原則如下:以符合統(tǒng)計(jì)學(xué)顯著性意義的ReHo值組間差異最明顯的體素為中心,6mm為半徑,構(gòu)成一個(gè)球型ROI。

        1.4 分類器性能的評(píng)估

        論文采用三種模式識(shí)別分析方法(線性判別分析[4]、C均值聚類[5]、支持向量機(jī)[6])分別作了識(shí)別分析。識(shí)別過程中,由于樣本數(shù)目有限,我們采用留一法交叉驗(yàn)證(leave-one-out cross-validation,LOOCV)來估計(jì)分類器的分類能力。在LOOCV中,分類器的性能可以由三個(gè)參數(shù)表示:GR、SC和SC,分別表示樣本被正確預(yù)測的總比例、病人被正確預(yù)測的比例和對(duì)照組被正確預(yù)測的比例。通過這三個(gè)參數(shù)的比較,即可得出分類器的優(yōu)劣。

        2 結(jié)果

        采用不同分類算法的分類性能如圖1所示。不同算法中的最優(yōu)參數(shù),采用了重復(fù)交叉驗(yàn)證計(jì)算。

        圖1分類結(jié)果。橫軸表示樣本的編號(hào),縱軸表示樣本在分類計(jì)算中的得分,其中+1的標(biāo)簽代表ASPD個(gè)體,-1的標(biāo)簽代表健康對(duì)照,因此前32個(gè)樣本中,得分大于0的表示ASPD個(gè)體被正確分類,后34個(gè)樣本中,得分小于0的表示健康對(duì)照個(gè)體被正確分類。(A)采用LDA算法分類的結(jié)果; (B)采用C均值分類算法的結(jié)果;(C)采用SVM算法的結(jié)果,軟間隔參數(shù)C=2.5。

        可以看出,使用SVM方法得到最優(yōu)結(jié)果(ASPD:81.25%; 對(duì)照組:94.12%),即87.88%的精確度。

        3 討論

        三種模式識(shí)別方法的分類率都達(dá)到了83%以上,從而說明,ReHo可以成為有效的識(shí)別ASPD人群特征向量。在LDA和C-mean方法中,ASPD的識(shí)別率很高,最大達(dá)到90%,但是同時(shí)對(duì)正常人的識(shí)別率較低,也就說對(duì)正常人的誤判較高。而采用非線性核的SVM,可以得到最好的結(jié)果,同時(shí)獲得較好的ASPD和正常人的識(shí)別率。因此,研究認(rèn)為采用非線性核SVM方法可以很有效的識(shí)別ASPD個(gè)體。

        參考文獻(xiàn)

        [1]V LLM B,RICHARDSON P,MCKIE S,et al. Neuronal correlates and serotonergic modulation of behavioural inhibition and reward in healthy and antisocial individuals [J]. Journal of psychiatric research,2010,44(3): 123-31.

        [2]LIU Z,XU C,XU Y,et al. Decreased regional homogeneity in insula and cerebellum: a resting-state fMRI study in patients with major depression and subjects at high risk for major depression [J]. Psychiatry Research: Neuroimaging,2010,182(3): 211-5.

        [3]NI L,QI R,ZHANG L J,et al. Altered regional homogeneity in the development of minimal hepatic encephalopathy: a resting-state functional MRI study [J]. PloS one,2012,7(7): e42016.

        [4]吳曉婷,閆德勤. 數(shù)據(jù)降維方法分析與研究 [J]. 計(jì)算機(jī)應(yīng)用研究,2009,26(8): 2832-5

        [5]BEN-HUR A,ONG C S,SONNENBURG S,et al. Support vector machines and kernels for computational biology [J]. PLoS computational biology,2008,4(10): e1000173.

        [6]DU K-L. Clustering: A neural network approach [J]. Neural Networks,2010,23(1): 89-107.endprint

        摘 要:目的:探討一種識(shí)別反社會(huì)人格障礙(antisocial personality disorder,ASPD)個(gè)體的方法。方法:找出ASPD個(gè)體與正常人的局部一致性(regional homogeneity,ReHo)存在差異的區(qū)域,提取個(gè)體在這些區(qū)域的值作為特征,采用多種模式識(shí)別方法(線性判別分析、C均值聚類和支持向量機(jī))實(shí)現(xiàn)對(duì)ASPD個(gè)體的識(shí)別。結(jié)果:采用非線性核的支持向量機(jī)方法可以最好的(精確度:87.88%)區(qū)分ASPD個(gè)體和對(duì)照。結(jié)論:針對(duì)ReHo的模式識(shí)別方法可以有效的識(shí)別ASPD個(gè)體。

        關(guān)鍵詞:反社會(huì)人格障礙;局部一致性;模式識(shí)別

        反社會(huì)人格障礙(antisocial personality disorder,ASPD)是人格障礙的一種類型,有這種障礙個(gè)體的突出點(diǎn)是行為具有悖離社會(huì)規(guī)范的傾向,易對(duì)社會(huì)經(jīng)濟(jì)造成巨大破壞[1]?,F(xiàn)有研究表明局部一致性(regional homogeneity,ReHo)能夠反映疾病中人腦自發(fā)活動(dòng)的異常,有助于我們發(fā)現(xiàn)其潛在的精神病理機(jī)制[2]。因此,我們采用個(gè)體在感興趣區(qū)域的ReHo均值作為特征分量,構(gòu)建多種分類器,最后找到一種可以有效區(qū)分ASPD和正常人的方法。

        1 方法

        1.1 預(yù)處理

        預(yù)處理步驟主要包括:去除前5張圖像以排除干擾,層間時(shí)間校正,頭動(dòng)校正(僅保留頭動(dòng)平移小于1mm和轉(zhuǎn)動(dòng)小于一度的數(shù)據(jù)),空間標(biāo)準(zhǔn)化,去線性漂移和帶通濾波(0.01~0.08Hz)。

        1.2 ReHo的計(jì)算

        ReHo是一個(gè)體素與周圍體素在時(shí)間序列上的相似性的度量,相似性強(qiáng)的體素可以被認(rèn)為在進(jìn)行相同的活動(dòng)。采用肯德爾和諧系數(shù)(KCC)來描述體素間在整個(gè)時(shí)間段的相似程度[3],KCC的計(jì)算方法如下:

        W為KCC值;Ri是體素i時(shí)間序列秩和;R表示所選時(shí)間序列上Ri的平均值;n是時(shí)間點(diǎn)數(shù);K是所選最鄰域體素?cái)?shù),根據(jù)最鄰域的選擇標(biāo)準(zhǔn),一般K有7、15和27三種選擇,本研究中采用的是27。

        得到受試ReHo圖像后,將每一體素ReHo值除以全腦ReHo均值以進(jìn)行標(biāo)準(zhǔn)化,再采用FWMH為4mm的高斯濾波器進(jìn)行平滑以除去干擾。

        1.3 特征選擇

        得到所有受試處理好的ReHo圖像后,按照受試病理情況分成兩組,進(jìn)行雙樣本T檢驗(yàn),找出符合統(tǒng)計(jì)學(xué)顯著性標(biāo)準(zhǔn)的組間差異的大腦區(qū)域,將其作為感興趣區(qū)域(region of interest,ROI)。每個(gè)感興趣區(qū)域選取的原則如下:以符合統(tǒng)計(jì)學(xué)顯著性意義的ReHo值組間差異最明顯的體素為中心,6mm為半徑,構(gòu)成一個(gè)球型ROI。

        1.4 分類器性能的評(píng)估

        論文采用三種模式識(shí)別分析方法(線性判別分析[4]、C均值聚類[5]、支持向量機(jī)[6])分別作了識(shí)別分析。識(shí)別過程中,由于樣本數(shù)目有限,我們采用留一法交叉驗(yàn)證(leave-one-out cross-validation,LOOCV)來估計(jì)分類器的分類能力。在LOOCV中,分類器的性能可以由三個(gè)參數(shù)表示:GR、SC和SC,分別表示樣本被正確預(yù)測的總比例、病人被正確預(yù)測的比例和對(duì)照組被正確預(yù)測的比例。通過這三個(gè)參數(shù)的比較,即可得出分類器的優(yōu)劣。

        2 結(jié)果

        采用不同分類算法的分類性能如圖1所示。不同算法中的最優(yōu)參數(shù),采用了重復(fù)交叉驗(yàn)證計(jì)算。

        圖1分類結(jié)果。橫軸表示樣本的編號(hào),縱軸表示樣本在分類計(jì)算中的得分,其中+1的標(biāo)簽代表ASPD個(gè)體,-1的標(biāo)簽代表健康對(duì)照,因此前32個(gè)樣本中,得分大于0的表示ASPD個(gè)體被正確分類,后34個(gè)樣本中,得分小于0的表示健康對(duì)照個(gè)體被正確分類。(A)采用LDA算法分類的結(jié)果; (B)采用C均值分類算法的結(jié)果;(C)采用SVM算法的結(jié)果,軟間隔參數(shù)C=2.5。

        可以看出,使用SVM方法得到最優(yōu)結(jié)果(ASPD:81.25%; 對(duì)照組:94.12%),即87.88%的精確度。

        3 討論

        三種模式識(shí)別方法的分類率都達(dá)到了83%以上,從而說明,ReHo可以成為有效的識(shí)別ASPD人群特征向量。在LDA和C-mean方法中,ASPD的識(shí)別率很高,最大達(dá)到90%,但是同時(shí)對(duì)正常人的識(shí)別率較低,也就說對(duì)正常人的誤判較高。而采用非線性核的SVM,可以得到最好的結(jié)果,同時(shí)獲得較好的ASPD和正常人的識(shí)別率。因此,研究認(rèn)為采用非線性核SVM方法可以很有效的識(shí)別ASPD個(gè)體。

        參考文獻(xiàn)

        [1]V LLM B,RICHARDSON P,MCKIE S,et al. Neuronal correlates and serotonergic modulation of behavioural inhibition and reward in healthy and antisocial individuals [J]. Journal of psychiatric research,2010,44(3): 123-31.

        [2]LIU Z,XU C,XU Y,et al. Decreased regional homogeneity in insula and cerebellum: a resting-state fMRI study in patients with major depression and subjects at high risk for major depression [J]. Psychiatry Research: Neuroimaging,2010,182(3): 211-5.

        [3]NI L,QI R,ZHANG L J,et al. Altered regional homogeneity in the development of minimal hepatic encephalopathy: a resting-state functional MRI study [J]. PloS one,2012,7(7): e42016.

        [4]吳曉婷,閆德勤. 數(shù)據(jù)降維方法分析與研究 [J]. 計(jì)算機(jī)應(yīng)用研究,2009,26(8): 2832-5

        [5]BEN-HUR A,ONG C S,SONNENBURG S,et al. Support vector machines and kernels for computational biology [J]. PLoS computational biology,2008,4(10): e1000173.

        [6]DU K-L. Clustering: A neural network approach [J]. Neural Networks,2010,23(1): 89-107.endprint

        摘 要:目的:探討一種識(shí)別反社會(huì)人格障礙(antisocial personality disorder,ASPD)個(gè)體的方法。方法:找出ASPD個(gè)體與正常人的局部一致性(regional homogeneity,ReHo)存在差異的區(qū)域,提取個(gè)體在這些區(qū)域的值作為特征,采用多種模式識(shí)別方法(線性判別分析、C均值聚類和支持向量機(jī))實(shí)現(xiàn)對(duì)ASPD個(gè)體的識(shí)別。結(jié)果:采用非線性核的支持向量機(jī)方法可以最好的(精確度:87.88%)區(qū)分ASPD個(gè)體和對(duì)照。結(jié)論:針對(duì)ReHo的模式識(shí)別方法可以有效的識(shí)別ASPD個(gè)體。

        關(guān)鍵詞:反社會(huì)人格障礙;局部一致性;模式識(shí)別

        反社會(huì)人格障礙(antisocial personality disorder,ASPD)是人格障礙的一種類型,有這種障礙個(gè)體的突出點(diǎn)是行為具有悖離社會(huì)規(guī)范的傾向,易對(duì)社會(huì)經(jīng)濟(jì)造成巨大破壞[1]。現(xiàn)有研究表明局部一致性(regional homogeneity,ReHo)能夠反映疾病中人腦自發(fā)活動(dòng)的異常,有助于我們發(fā)現(xiàn)其潛在的精神病理機(jī)制[2]。因此,我們采用個(gè)體在感興趣區(qū)域的ReHo均值作為特征分量,構(gòu)建多種分類器,最后找到一種可以有效區(qū)分ASPD和正常人的方法。

        1 方法

        1.1 預(yù)處理

        預(yù)處理步驟主要包括:去除前5張圖像以排除干擾,層間時(shí)間校正,頭動(dòng)校正(僅保留頭動(dòng)平移小于1mm和轉(zhuǎn)動(dòng)小于一度的數(shù)據(jù)),空間標(biāo)準(zhǔn)化,去線性漂移和帶通濾波(0.01~0.08Hz)。

        1.2 ReHo的計(jì)算

        ReHo是一個(gè)體素與周圍體素在時(shí)間序列上的相似性的度量,相似性強(qiáng)的體素可以被認(rèn)為在進(jìn)行相同的活動(dòng)。采用肯德爾和諧系數(shù)(KCC)來描述體素間在整個(gè)時(shí)間段的相似程度[3],KCC的計(jì)算方法如下:

        W為KCC值;Ri是體素i時(shí)間序列秩和;R表示所選時(shí)間序列上Ri的平均值;n是時(shí)間點(diǎn)數(shù);K是所選最鄰域體素?cái)?shù),根據(jù)最鄰域的選擇標(biāo)準(zhǔn),一般K有7、15和27三種選擇,本研究中采用的是27。

        得到受試ReHo圖像后,將每一體素ReHo值除以全腦ReHo均值以進(jìn)行標(biāo)準(zhǔn)化,再采用FWMH為4mm的高斯濾波器進(jìn)行平滑以除去干擾。

        1.3 特征選擇

        得到所有受試處理好的ReHo圖像后,按照受試病理情況分成兩組,進(jìn)行雙樣本T檢驗(yàn),找出符合統(tǒng)計(jì)學(xué)顯著性標(biāo)準(zhǔn)的組間差異的大腦區(qū)域,將其作為感興趣區(qū)域(region of interest,ROI)。每個(gè)感興趣區(qū)域選取的原則如下:以符合統(tǒng)計(jì)學(xué)顯著性意義的ReHo值組間差異最明顯的體素為中心,6mm為半徑,構(gòu)成一個(gè)球型ROI。

        1.4 分類器性能的評(píng)估

        論文采用三種模式識(shí)別分析方法(線性判別分析[4]、C均值聚類[5]、支持向量機(jī)[6])分別作了識(shí)別分析。識(shí)別過程中,由于樣本數(shù)目有限,我們采用留一法交叉驗(yàn)證(leave-one-out cross-validation,LOOCV)來估計(jì)分類器的分類能力。在LOOCV中,分類器的性能可以由三個(gè)參數(shù)表示:GR、SC和SC,分別表示樣本被正確預(yù)測的總比例、病人被正確預(yù)測的比例和對(duì)照組被正確預(yù)測的比例。通過這三個(gè)參數(shù)的比較,即可得出分類器的優(yōu)劣。

        2 結(jié)果

        采用不同分類算法的分類性能如圖1所示。不同算法中的最優(yōu)參數(shù),采用了重復(fù)交叉驗(yàn)證計(jì)算。

        圖1分類結(jié)果。橫軸表示樣本的編號(hào),縱軸表示樣本在分類計(jì)算中的得分,其中+1的標(biāo)簽代表ASPD個(gè)體,-1的標(biāo)簽代表健康對(duì)照,因此前32個(gè)樣本中,得分大于0的表示ASPD個(gè)體被正確分類,后34個(gè)樣本中,得分小于0的表示健康對(duì)照個(gè)體被正確分類。(A)采用LDA算法分類的結(jié)果; (B)采用C均值分類算法的結(jié)果;(C)采用SVM算法的結(jié)果,軟間隔參數(shù)C=2.5。

        可以看出,使用SVM方法得到最優(yōu)結(jié)果(ASPD:81.25%; 對(duì)照組:94.12%),即87.88%的精確度。

        3 討論

        三種模式識(shí)別方法的分類率都達(dá)到了83%以上,從而說明,ReHo可以成為有效的識(shí)別ASPD人群特征向量。在LDA和C-mean方法中,ASPD的識(shí)別率很高,最大達(dá)到90%,但是同時(shí)對(duì)正常人的識(shí)別率較低,也就說對(duì)正常人的誤判較高。而采用非線性核的SVM,可以得到最好的結(jié)果,同時(shí)獲得較好的ASPD和正常人的識(shí)別率。因此,研究認(rèn)為采用非線性核SVM方法可以很有效的識(shí)別ASPD個(gè)體。

        參考文獻(xiàn)

        [1]V LLM B,RICHARDSON P,MCKIE S,et al. Neuronal correlates and serotonergic modulation of behavioural inhibition and reward in healthy and antisocial individuals [J]. Journal of psychiatric research,2010,44(3): 123-31.

        [2]LIU Z,XU C,XU Y,et al. Decreased regional homogeneity in insula and cerebellum: a resting-state fMRI study in patients with major depression and subjects at high risk for major depression [J]. Psychiatry Research: Neuroimaging,2010,182(3): 211-5.

        [3]NI L,QI R,ZHANG L J,et al. Altered regional homogeneity in the development of minimal hepatic encephalopathy: a resting-state functional MRI study [J]. PloS one,2012,7(7): e42016.

        [4]吳曉婷,閆德勤. 數(shù)據(jù)降維方法分析與研究 [J]. 計(jì)算機(jī)應(yīng)用研究,2009,26(8): 2832-5

        [5]BEN-HUR A,ONG C S,SONNENBURG S,et al. Support vector machines and kernels for computational biology [J]. PLoS computational biology,2008,4(10): e1000173.

        [6]DU K-L. Clustering: A neural network approach [J]. Neural Networks,2010,23(1): 89-107.endprint

        猜你喜歡
        模式識(shí)別
        紫地榆HPLC指紋圖譜建立及模式識(shí)別
        中成藥(2018年2期)2018-05-09 07:19:52
        2019 IEEE計(jì)算機(jī)視覺與模式識(shí)別會(huì)議
        UPLC-MS/MS法結(jié)合模式識(shí)別同時(shí)測定芪參益氣滴丸中11種成分
        中成藥(2017年10期)2017-11-16 00:50:05
        淺談模式識(shí)別在圖像識(shí)別中的應(yīng)用
        電子測試(2017年23期)2017-04-04 05:06:50
        第四屆亞洲模式識(shí)別會(huì)議
        基于可拓模式識(shí)別的孤島檢測研究
        電測與儀表(2016年6期)2016-04-11 12:07:48
        可拓模式識(shí)別算法中經(jīng)典域的確定方法
        第3屆亞洲模式識(shí)別會(huì)議
        基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識(shí)別
        電氣設(shè)備的故障診斷與模式識(shí)別
        河南科技(2014年5期)2014-02-27 14:08:35
        视频在线观看国产自拍| 久久国产成人午夜av影院| 日韩欧美成人免费观看| 少妇人妻在线视频| 少妇特殊按摩高潮惨叫无码| 亚洲av熟女传媒国产一区二区| 亚洲精品成人无限看| 中国老妇女毛茸茸bbwbabes| 四虎成人精品国产一区a| 国产精品又污又爽又色的网站| 国产内射爽爽大片| 丰满人妻被黑人猛烈进入| 国产精品毛片无码久久| 日本熟妇视频在线中出| 日出白浆视频在线播放| 狠狠噜天天噜日日噜视频麻豆| 久久精品伊人无码二区| 久久精品综合国产二区| 亚洲专区一区二区三区四区五区| 国产一区二区自拍刺激在线观看| 中国农村妇女hdxxxx| 无码日日模日日碰夜夜爽| 国内精品女同一区二区三区| 天天综合网网欲色| 亚洲综合色自拍一区| 91制服丝袜| 视频福利一区二区三区| 亚洲视频在线一区二区| 男人扒开女人下面狂躁小视频| 天啦噜国产精品亚洲精品| 亚洲av熟女传媒国产一区二区| 又色又爽又黄高潮的免费视频| 无码人妻一区二区三区在线视频 | 日本一区二区高清精品| 777米奇色狠狠俺去啦| 亚洲天堂99| 一区二区三区精品婷婷| 人妻体内射精一区二区三区| 236宅宅理论片免费| 亚洲乱色视频在线观看| 国产av精品麻豆网址|