论文总字数：21520字

摘 要

自闭症（Autism spectrum disorders，ASD)是一种神经类疾病，由于患者早期病症不易察觉，同时后期治愈难度较大，且对患者家庭和社会都有极大压力。因此，对自闭症的正确有效诊断是很需要的。研究表明，自闭症患者和正常人（Typically developing ,TD)的大脑有明显的异常。静息态功能磁共振成像（resting state function magnetic resonance imaging,rs-fmri)能够反映出静息状态下的大脑的活动，本文基于rs-fmri对ASD分类诊断进行了研究。

首先对rs-fMRI数据进行预处理，然后采用全脑相关分析的方法将全脑按照AAL模板划分116个感兴趣区域，基于皮尔森相关系数建立脑区之间的功能连接矩阵，基于功能连接矩阵提取出高维特征，再利用快速独立成分分析（Fast Independent components analysis，fastICA）进行特征降维，最后通过支持向量机（Support Vector Machine，SVM）对ASD和TD分类。在ABIDE数据集上进行仿真实验，在ASDvsTD任务上的分类精度约为65%。

关键字：自闭症；静息态功能磁共振；脑功能连接；独立成分分析；

Research on Autism Diagnosis Method Based on fMRI Data

Abstract

Autism is a kind of neurological disease, because the early symptoms of patients are not easy to detect, at the same time, it is difficult to cure later, and there is great pressure on patients' families and society. Therefore, the correct and effective diagnosis of autism is very necessary. Research shows that the brain of autistic and normal people has obvious abnormalities. Resting state fMRI can reflect the activity of brain in resting state. In this paper, ASD classification diagnosis is studied based on rs-fMRI.

Firstly, the rs-fMRI data are preprocessed, then, the whole brain is divided into 116 interesting regions according to AAL template by using the method of whole brain correlation analysis, and the functional connection matrix between brain regions is established based on Pearson correlation coefficient, then based on the functional connectivity matrix, the paper proposes to extract high-dimensional features and then Fast Independent components analysis is used At last, ASD and TD are classified by SVM. Simulation experiments on the ABIDE data set show that the classification accuracy of the ASD vs TD task is about 65%.

Key words: Autism spectrum disorders(ASD);Resting-state Function Magnetic Resonance Imaging ;Brain Functional Connectivity ;Independent components analysis(ICA);Classification

目录

摘要 I

Abstract II

第一章 绪论 1

1.1 研究背景及意义 1

1.2国内外研究现状 1

1.3论文主要研究内容及结构安排 3

第二章fMRI数据及其预处理 4

2.1 fMRI技术概述 4

2.1.1 fMRI成像原理 4

2.1.2 fMRI技术的优点 4

2.2实验数据以及预处理 5

2.2.1 实验数据信息 5

2.2.2 数据预处理 5

2.3 本章小结 8

第三章 脑功能连接 9

3.1 功能连接概述 9

3.2 功能连接的方法 9

3.3 基于独立成分分析的特征降维 14

3.3.1 特征降维方法 14

3.3.2 fastICA算法详细步骤 15

3.3.3 特征降维 18

3.4本章小结 19

第四章 基于SVM的ASD分类诊断 20

4.1 支持向量机 20

4.1.1 SVM的原理 20

4.1.2 支持向量机的模型分类 20

4.1.3 libSVM流程 21

4.2实验一：不同独立成分个数的研究 21

4.3实验二：不同站点数据的研究 25

4.3.1 University of Utah School of Medicine站点 25

4.3.2 Oregon Health and Science University站点 25

4.3.3 NYU Langone Medical Center Sample 1站点 26

4.4 本章小结 26

第五章 总结与展望 27

5.1 工作总结 27

5.2 展望 27

参考文献 29

致谢 32

绪论

1.1 研究背景及意义

自闭症（autism spectrum disorders，ASD)，又称自闭症谱系障碍^[1]，是一种异质性的、行为定义的，神经发育障碍^[2]。

美国发展服务报告说，从1991年到1997年，自闭症的患病率增加了556%，这一比率远高于其他儿童疾病的患病率，如脊柱裂、癌症，唐氏综合征^[3]。目前，在美国平均每88名儿童中就有1名自闭症儿童^[4]；罹患该病症患者数量，在世界范围内超过1%。国内目前尚无官方数据，但有学者在2013年发表的文章中估计ASD患病率为0.245%，这说明对自闭症的相关研究已经刻不容缓。

同时，据统计，约2/3自闭症患儿成年后无法独立生活，需要终生照顾和看护。这对大多数的家庭来说是个难题，既要考虑到对自闭症治疗的医疗成本，学校成本又要考虑看护人员成本，这无疑加重了大多数家庭的负担。

请支付后下载全文，论文总字数：21520字