主权项 |
一种心理健康评估分类器的静息态功能磁共振数据处理方法,其特征在于,包含以下过程:步骤1、构造结构像和功能像相结合的感兴趣区定位模板,将其分别应用于健康被试组及被评估人员的静息态功能磁共振数据,对所关注的脑网络进行精确定位以获得相应的感兴趣区;步骤2、对感兴趣区进行相关的生物特征的提取与选择;步骤3、利用双重支持向量机方法进行心理健康评估分类器的学习,进一步包含以下步骤:步骤3.1、将健康被试组数据作为训练集,用一分类支持向量机方法进行分类器学习,获取初始分类器;步骤3.2、利用初始分类器进行异常人员数据检测,并将检测到的异常数据与健康被试者数据放在一起作为训练集,运用二分类支持向量机方法进行评估分类器的优化学习,循环执行该步骤,直至评估分类器性能稳定;其中,步骤3.1所述的一分类支持向量机方法中,对于给定的一个N维特征向量的训练样本x<sub>1</sub>,x<sub>2</sub>…x<sub>i</sub>∈X,x<sub>i</sub>∈R<sup>N</sup>,通过非线性映射<img file="FDA0000957516380000011.GIF" wi="43" he="47" />将原始数据映射到高维空间χ,使得<img file="FDA0000957516380000012.GIF" wi="215" he="63" />引入径向基核函数:<img file="FDA0000957516380000013.GIF" wi="580" he="125" />且<img file="FDA0000957516380000014.GIF" wi="504" he="86" />其中,γ为核参数;在高维空间寻求一个能够最大化训练样本和原点之间的间隔ρ/||w||的分隔超平面w·φ(x<sub>i</sub>)‑ρ=0,w和ρ为待求参数,w表示超平面的方向向量;通过求解下列优化问题得到分隔超平面:最小化<img file="FDA0000957516380000015.GIF" wi="541" he="135" />满足<img file="FDA0000957516380000016.GIF" wi="462" he="95" />ξ<sub>i</sub>≥0,其中,ξ<sub>i</sub>≥0为松弛变量,v∈(0 1),vn表示分类错误率的上界,全部支持向量率的下界,得到最终决策函数,其中α<sub>i</sub>为拉格朗日乘子:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>f</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><mi>s</mi><mi>g</mi><mi>n</mi><mrow><mo>(</mo><msubsup><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></msubsup><msub><mi>α</mi><mi>i</mi></msub><mi>k</mi><mo>(</mo><mrow><mi>x</mi><mo>,</mo><msub><mi>x</mi><mi>i</mi></msub></mrow><mo>)</mo><mo>-</mo><mi>ρ</mi><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000957516380000021.GIF" wi="790" he="119" /></maths>步骤3.2所述的二分类支持向量机方法中,对于一个给定的训练集{(x<sub>i</sub>,y<sub>i</sub>),i=1…n},x<sub>i</sub>∈R<sup>N</sup>,y<sub>i</sub>∈{‑1,1},其中x<sub>i</sub>代表一个N维的特征向量,y<sub>i</sub>代表样本所属的类标签,来寻求一个能够最大化分类间隔2/||w||的分隔超平面(w·x)+b=0,使其满足y<sub>i</sub>((x<sub>i</sub>·w)+b)≥1;其中w和b为待求参数,w表示超平面的方向向量;通过求解下列优化问题得到分隔超平面:最小化<img file="FDA0000957516380000022.GIF" wi="374" he="143" />满足<img file="FDA0000957516380000023.GIF" wi="510" he="87" />其中,C是惩罚参数,得到最终决策函数,其中α<sub>i</sub>为拉格朗日乘子:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>f</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><mi>s</mi><mi>g</mi><mi>n</mi><mrow><mo>(</mo><msubsup><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></msubsup><msub><mi>α</mi><mi>i</mi></msub><msub><mi>y</mi><mi>i</mi></msub><mi>k</mi><mo>(</mo><mrow><mi>x</mi><mo>,</mo><msub><mi>x</mi><mi>i</mi></msub></mrow><mo>)</mo><mo>+</mo><mi>b</mi><mo>)</mo></mrow><mo>.</mo></mrow>]]></math><img file="FDA0000957516380000024.GIF" wi="810" he="119" /></maths> |