隨機(jī)森林在醫(yī)學(xué)影像數(shù)據(jù)分析中的應(yīng)用.pdf

1、醫(yī)學(xué)影像數(shù)據(jù)是臨床醫(yī)學(xué)診斷，病情跟蹤，教學(xué)研究的重要客觀依據(jù)，對醫(yī)學(xué)影像數(shù)據(jù)的分類方法層出不窮，但前人的研究大多著重于決策樹(Tree)等單分類器的模型，由于醫(yī)學(xué)影像數(shù)據(jù)維數(shù)較高，噪聲較多，使得單分類器模型難以達(dá)到令人滿意的效果。于是本文引入了一種能較好容忍噪聲且穩(wěn)定性較高的組合分類算法—隨機(jī)森林分類器(RF)，探索研究醫(yī)學(xué)影像數(shù)據(jù)的判別分析問題。本文以靜息態(tài)功能核磁共振數(shù)據(jù)為基礎(chǔ)，用隨機(jī)森林分類方法對69例精神分裂癥患者和62例對照組

2、正常人進(jìn)行判別分析。
　　 本文簡單介紹了隨機(jī)森林的相關(guān)理論，著重研究了隨機(jī)森林在醫(yī)學(xué)影像數(shù)據(jù)中的應(yīng)用。由于在準(zhǔn)確率較高的基礎(chǔ)上挑出的重要特征越少就越有助于對大腦結(jié)構(gòu)的研究，因此，尋找較優(yōu)的特征選擇方法成為本文要做的主要工作之一。本文提出了兩種特征子集選擇方法:一種是基于皮爾遜相關(guān)系數(shù)的改進(jìn)方法—留一T-Test2進(jìn)行特征選擇;另一種是利用肯德爾相關(guān)系數(shù)的方法進(jìn)行特征選擇。實(shí)驗(yàn)證明，肯德爾相關(guān)系數(shù)的方法能大幅度精簡特征，并提高了