收藏本站
《中国人民解放军医学院》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

基于机器学习算法的精神分裂症听觉稳态诱发脑电研究

许飞飞  
【摘要】:目的:基于精神分裂症听觉稳态诱发脑电,运用支持向量机和深度信念网络算法建立诊断预测模型,比较模型在精神分裂症中的诊断价值。方法:使用Mipower脑电信号采集器采集14名精神分裂症患者和15名正常对照者的听觉稳态诱发脑电信号。从时域和频域两个方面分析脑电信号,提取脑电信号在能量、相位、信噪比和微分熵的特征。应用基于线性核、径向基函数核、sigmoid核的支持向量机和深度信念网络算法构建预测模型,通过准确率、灵敏度、特异度和ROC曲线下的面积(Areas Underthe ROC curve,AUC)比较四种模型的分类性能。结果:深度信念网络模型的准确率、灵敏度、特异度、AUC分别为85.6%,88.33%,75.50%,0.88,而基于线性核、径向基函数核、sigmoid核的支持向量机模型准确率分别是74.6%,78.5%,72.8%,灵敏度分别是 88.30%,92.98%,79.53%,特异度分别是 39.39%,56.57%,42.42%,AUC分别是0.74,0.86,0.71。深度信念网络模型分类性能明显高于三种支持向量机模型。结论:上述结果证明了深度信念网络可以学习到数据的本质特征,分类能力远好于支持向量机。基于深度信念网络算法的诊断模型可以有效协助临床医生对于精神分裂症患者的诊断,达到早期发现疾病的效果。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前17条
1 马旭霞;;支持向量机理论及应用[J];科学技术创新;2019年02期
2 江少杰;宁纪锋;李云松;;加权间隔结构化支持向量机目标跟踪算法[J];中国图象图形学报;2017年09期
3 李娜;孙乐;胡一楠;李笑;王亚南;;模糊型支持向量机及其在入侵检测中的应用[J];科技创新与应用;2018年11期
4 邵元海;杨凯丽;刘明增;王震;李春娜;陈伟杰;;从支持向量机到非平行支持向量机[J];运筹学学报;2018年02期
5 高钦姣;张胜刚;贾晓薇;;基于支持向量机的股票价格预测模型研究与应用[J];课程教育研究;2016年28期
6 林香亮;袁瑞;孙玉秋;王超;陈长胜;;支持向量机的基本理论和研究进展[J];长江大学学报(自科版);2018年17期
7 安悦瑄;丁世飞;胡继普;;孪生支持向量机综述[J];计算机科学;2018年11期
8 梁武;苏燕;;一种新的基于类内不平衡数据学习支持向量机算法[J];科技通报;2017年09期
9 吴青;梁勃;;分段熵光滑支持向量机性能研究[J];计算机工程与设计;2015年08期
10 牛犇;顾宏斌;孙瑾;周来;周扬;;有向无环图-双支持向量机的多类分类方法[J];计算机应用与软件;2015年11期
11 赵芳;马玉磊;;自训练半监督加权球结构支持向量机多分类方法[J];重庆邮电大学学报(自然科学版);2014年03期
12 候明;张新新;范丽亚;;四类基于支持向量机的多类分类器的性能比较[J];聊城大学学报(自然科学版);2014年03期
13 张小琴;贾郭军;;一种采用粗糙集和遗传算法的支持向量机[J];山西师范大学学报(自然科学版);2013年01期
14 黄娟;唐轶;王军霞;;贪婪支持向量机的分析及应用[J];计算机工程与应用;2012年24期
15 丁胜锋;;一种改进的双支持向量机[J];辽宁石油化工大学学报;2012年04期
16 李逢焕;;试述不确定支持向量机应用分析及改进思路[J];中国证券期货;2012年12期
17 赵凯;王巍;李玮瑶;;模糊积分在支持向量机集成中的应用研究[J];黑龙江科技信息;2011年27期
中国重要会议论文全文数据库 前10条
1 王晓红;;一种改进多类支持向量机加权后验概率重构策略[A];2009中国控制与决策会议论文集(3)[C];2009年
2 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
3 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年
4 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
5 汪荣贵;孙见青;胡琼;李守毅;;一种新的支持向量机决策树及其应用[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
6 伍敏;苏鹏宇;刘金福;于达仁;;基于RVM和SVM的风速预测研究[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年
7 曾江辉;耿金凤;汪邦军;郝建春;;面向时间序列质量波动预测的支持向量机回归模型研究[A];使命与责任—以质量方法促转型升级——第五届中国质量学术与创新论坛论文集(上)[C];2012年
8 刘爽;贾传荧;;一种加权支持向量机算法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年
9 张晓滨;尹英顺;赵培坤;马秀兰;;基于渐进直推支持向量机的半对半多类文本分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
10 张立刚;李海丽;;基于最小二乘支持向量机的协调系统预测[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
中国博士学位论文全文数据库 前10条
1 彭诗力;大规模混合数据分类的核方法研究[D];天津大学;2017年
2 胡庆辉;非稀疏多核支持向量机学习方法研究[D];武汉大学;2015年
3 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
4 徐芳;航空影像分割的支持向量机方法[D];武汉大学;2004年
5 蔡从中;支持向量机及其在生物材料功能研究中的应用[D];重庆大学;2003年
6 孙德山;支持向量机分类与回归方法研究[D];中南大学;2004年
7 翟永杰;基于支持向量机的故障智能诊断方法研究[D];华北电力大学(河北);2004年
8 董春曦;支持向量机及其在入侵检测中的应用研究[D];西安电子科技大学;2004年
9 安金龙;支持向量机若干问题的研究[D];天津大学;2004年
10 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年
中国硕士学位论文全文数据库 前10条
1 杨子荷;支持向量机训练方法研究及其在疾病诊断上的应用[D];重庆邮电大学;2019年
2 徐元科;基于支持向量机的抗氧化蛋白质识别[D];湘潭大学;2019年
3 李梦颖;冰球赛况预测系统的研究与实现[D];南京航空航天大学;2019年
4 王英龙;基于局域均值分解和支持向量机的滚动轴承故障诊断[D];宁夏大学;2019年
5 应璐娜;基于机器学习算法提高光谱检测效果方法研究[D];浙江师范大学;2019年
6 梁凤;北京、辽宁省2011-2016年整合百度搜索及传统监测数据的流感支持向量机回归预测模型构建[D];中国医科大学;2019年
7 赵梦晗;基于支持向量机的寿险公司的财务危机预测[D];西南财经大学;2018年
8 许飞飞;基于机器学习算法的精神分裂症听觉稳态诱发脑电研究[D];中国人民解放军医学院;2019年
9 王旭峰;基于支持向量机与模糊贝叶斯方法的煤矿事故致因研究[D];中国矿业大学;2019年
10 杨学东;基于支持向量机的高光谱多类别分类研究[D];西安电子科技大学;2011年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978