改进谱聚类算法在MCI患者检测中的应用研究

合集下载

一种改进聚类算法在入侵检测中的应用

一种改进聚类算法在入侵检测中的应用【摘要】本文首先介绍入侵检测系统的基本结构和研究情况，然后介绍了K-means 聚类算法的目标函数、算法流程；在总结K-means聚类算法存在的问题的基础上，提出了一种改进的聚类算法。

该算法为基于数据挖掘的入侵检测的设计提供了相关可操作的理论依据。

最后，通过模拟实验，证明了改进算法的有效性。

【关键词】数据挖掘；入侵检测；聚类算法The Application of An Improved Clustering Algorithm in Intrusion Detection Zhao Yun Gu Jian Zhang Xiao-xiao（The Third Research Institute of Ministry of Public Security Shanghai 200031）【 Abstract 】 In this paper， the basic structure and research situation of intrusion detection system are introduced firstly， and then the objective function and procedure of the K-means clustering algorithm are presented. Based on the summarized problems of K-means clustering algorithm， an improved clustering algorithm is proposed. The algorithm provides a related operable theoretical basis for intrusion detection design based on data mining. The simulated experiments prove the validity of the improved algorithm /.【 Keywords 】 data mining； intrusion detection； clustering algorithm0 引言由于计算机网络的广泛使用和网络之间信息传输量的急剧增长，入侵行为正在不断的扩大，随着时间的推移，攻击的手段和原理也越来越复杂，而攻击的工具却越来越自动化，使得攻击越来越自动化。

老年轻度认知功能障碍患者相关病因及治疗的研究进展

© 2621 国际老年医学杂志编辑部 © 2621 by the EditoPal Office of Interuatioual Oouoal of GeriatPcr老年轻度认知功能障碍患者相关病因及治疗的研究进展张雯艳陆媛|同济大学医学院，上海 220233；5上海市杨浦区中心医院急诊科，上海 220063［摘要］认知功能障碍为脑组织受损后出现的一种功能性障碍，根据病情程度分为轻度、中度及重度，以老年人群多发。

老年轻度认知功能障碍(MCI )病因较多，且治疗难度较大，现有治疗方法包括西医治疗及中医治疗，针对不同病因选择的治疗方法各不相同，而明确老年MCI 的相关病因并予以对症治疗是促进疾病转归的重要途径。

基于此，本文对老年MCI 患者相关病因及治疗研究进展进行综述。

［关键词］轻度认知功能障碍；致病因素；发病机理；西医治疗；中医治疗16. 3706/j. iwu. 1074 -7598. 2620 60 410Advances in Etiology and TIoytmedt ot MOu Cognitive ImpaOmert in Oiuee PeopleZhang Wexyud 1^k , Lu Yuan 21 School of Mehiciue , Tougji University , Shanghai254233 ；； Department of Emergency , Shanghai Yangpu DistPc) Central Hospital , Shanghai200668［Abshoch Cognitive impairment is a functional disorder that occurs after brain damage. It frepuenOy invelves the elUerlyand is classi/eh into milU , moderate and severe type according to the extent of the damage. There are many Psh factors for UeveloyingmilU cognitive iwpairment ( MCI) in olUer peoyle , and the treatment is hard. The current merapexOc method includes western mehi-cine treatment and Oabi/onai Chinese mehicine treatment , which is selecteX according to the causes. ClaPWing the cause of MCI and providing symptomatic treatment i s the kep way to promote the recevep of MCI. This paper reviews the causes and treatment of MCI inolUer patients.［Key wo O s ］ M/U cognitive iwpairment ; Pathogenic factor ; Pathogenesis ; Western mehicine treatment ; Tradi/onai Chi nese mehicine treatment轻度认知功能障碍(m/U cognitive iwpairmeni , MCI )属于一种介于正常衰老和痴呆之间的认知功能损害状态［9o MCI 是痴呆发生的一个早期阶段，因此该类患者为痴呆高危人群。

轻度认知功能障碍诊断的研究现状

轻度认知功能障碍诊断的研究现状[ 11-01-12 15:34:00 ] 作者：刘洁刘智艳姜迎萍编辑：studa20【关键词】轻度认知功能障碍;诊断;检查轻度认知功能障碍(MCI) 是介于正常老化与轻度痴呆之间的一种临床状态，每年约10%～15%的MCI患者会发展为痴呆,老年痴呆(AD)患者中有2/3由MCI 转化而来〔1〕。

因此,研究和正确诊断MCI将有助于识别痴呆高危个体并对探索有效干预途径有着重要的意义。

本文对MCI从诊断标准和相关检查两方面入手进行综述。

1 诊断标准MCI的诊断标准很多,临床研究中较常用的包括Peterson MCI诊断标准、美国Mayo神经病学研究中心提出的MCI推荐标准、美国诊断统计手册第4版修订本(DSMⅣ)中MCI的诊断标准和MCI国际工作组的MCI诊断标准和欧洲AD 协会MCI工作组于2005年提出的MCI诊断标准等〔2～4〕,综合起来可概括为:①以记忆障碍主诉为主,且有知情者证实;②除记忆障碍外其他认知功能相对完好或轻度受损;③日常生活不受影响(ADL<18);④达不到痴呆的诊断标准;⑤能排除其他可能引起脑功能衰退的疾病或因素(躯体疾病、抑郁症、脑卒中危险因子、脑外伤、药物和酒精中毒及精神药物);⑥与年龄不相当的记忆缺陷,量表评估为总体衰退量表(GDS)=23,临床痴呆量表(CDR)=0.5,记忆测查分值在年龄和教育匹配对照组1.5SD以下,且精神状态量表(MMSE)至少24分或mattis痴呆评价表(DRS)至少123分。

尽管目前世上还没有诊断MCI的统一标准,研究显示〔5〕，无论应用何种诊断标准，大部分被诊断为MCI的患者将转化为痴呆，且主要转化为AD。

2 相关检查2.1 神经心理学检查神经心理学测试是目前诊断和评价认知功能减退的主要方法，具有规范化和量化的特点。

对MCI总体认知水平的评定，目前广泛应用的操作标准包括MMSE、CDR和GDS等。

其中MMSE包括7个方面:时间定向力、地点定向力、即刻记忆、注意力和计算力、延迟记忆、语言能力、视空间能力以及运用能力,可反映受试者的总体认知功能。

改进的聚类分析算法及其性能分析

ＧＵＳｕｉ，ＷＵＸｉｏｘｎ，ＨＵＡＯｈ－ｅｊａ－ｉＮＧｉＪｅ（ｏａｄａｄＣｎｒｌＣｎｅｆＡｍ１５，Ｄｌｎｉｏｉ１０３ｈｎ）Ｃｍｍｎｎｏｔｅｔｒｏｒｙ９５０ａｉ，Ｌａｎｎ１６２，Ｃｉａｏａｇ
ＡｂｔａｔＡｎｉｒｖｄｌｓｅｉｇｎｌｉａｇｒｔｍｉｐｏｓｄＵｓｎｔｅｉｅｓｍｉｒｏｈｌ－ｎｓｅｃｕｔｒｎａｄｉｎｌｓｒｃ：ｍｐｏｅｃｕｔｒａａｙｓｓｌｏｉｈｎｓｒｐｏｅ．ｉｇｈｄａｉｌｔａｆｆｉｈｄｌｓｅｉｇｎｆａａｉｃｕｔｒｇｉｔｉｕｉｎ，ｔｅｌｒｈｉｒｔｃｕｔｒｃｎｅｔａｅｒｇｉｓｏｅＫｃｕｔｒ，ａｄｔｅｌｓｅｓｅａｉｅｙｃｔｒｄｒｅｌｓｅｉｄｓｒｂｔｏｎｈａｇｏｉｍｆｓｌｌｓｅｓｏｃｎｒｔｄｅｏｎｔｇｔｔｙｌｓｅｓｎｈｎｃｕｔｒｒｌｔｖｌｓａｔｅｆｅｅｄｔｉＫ— ｅｎｓａａｎｍａ，ｗｈｃｍａｅｃｕｔｒｎａａｙｉａｗａｓｏｌｗｏｔｍａｄｉｃｉｎｎｔｒｔｖｐｏｅｓｒｄｃｓｔｒｔｎｉｓｎｉｈｋｓｌｓｅｉｇｎｌｓｓｌｙｆｌｏｐｉｌｒｔｏｉｉｅａｉｅｒｃｓ，ｅｕｅｉａｉｔｍｅａｄｅｅｏｉｒｖｓｃｎｅｇｎｅｓｅｄ．Ｔｈａｇｏｉｍｉｔｇｒｔｓｔｅａａｔｇｅｏｇｉ — ａｅｃｕｔｒｎａｄＫａｓｃｕｔｒｎ，ａｄｍｐｏｅｏｖｒｅｃｐｅｅｌｒｔｈｎｅａｅｈｄｖｎａｓｆｒｄｂｓｄｌｓｅｉｇｎｍｅｎｌｓｅｉｇｎｉｔｏｕｅａｅｎｒｄｃｓｎｗａｇｒｔｍｏｐｒｉｏｉｇｒｄｎｎｗｆｎｔｏｏｆｃｍｐｔｎｄｎｓｔｔｒｓｏｄ．Ｔｅｈｏｅｉａａａｙｉａｄｌｏｉｈｆａｔｉｎｎｇｉａｄｅｔｕｃｉｎｏｕｉｇｅｉｙｈｅｈｌｈｔｅｒｔｃｌｎｌｓｓｎｅｐｒｍｅｔｐｏｅｈｔｔｅｃｕｔｒｎｏｅｓｆｔｅｍｐｏｅｌｏｉｍｃｉｖｓａｉｆｃｏｙｒｓｔ．ｘｅｉｎｓｒｖｔａｈｌｓｅｉｇｐｒｃｓｏｈｉｒｖｄａｇｒｔｈａｈｅｅｓｔｓａｔｒｅｕｌｓＫｅｒｓｃｕｔｒｎｌｓｓＫ— ｅｎａｇｒｔｍ；ｇｉ — ａｅｌｓｅｉｇ；ｆｓｏｌｓｅｉｇｙｗｏｄ：ｌｓｅｉａａｙｉ；ｎｇｍａｓｌｏｉｈｒｄｂｓｄｃｕｔｒｎｕｉｎｃｕｔｒｎ

一种分割脑磁共振图像的改进FCM聚类算法

（ＡＮＣＬＩＦＣ）ｗａｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｗｏｋ．Ｂｙａｄｄｉｎｇａｎｅｗｆｕｚｚｙｏｐｅｒａｔｏｒａｎｄｃｏｈｅｒｅｎｔｌｏｃａｌｉｎｆｏｒｍａｔｉｏｎａｓ
ＬｉｎＸｉａｎｇｂｏ ‘
ＷａｎｇＸｉｎｎｉｎｇ
ＧｕｏＤｏｎｇｍｅｉ
（ＦａｃｕｌｔｙｏｆＥｌｅｃｔｒｏｎｉｃＩｎｆｏｒｍａｔｉｏｎａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｆｏＴｅｃｈｎｏｌｏｇｙ，Ｄａｌｉａｎ１１６０２３，Ｌｉａｏｎｉｎｇ，Ｃｈｉｎａ）
（大连医科大学附属第二医院，辽宁大连
１１６０２７）
摘
要：噪声和偏移场是影响磁共振（ＭＲＩ）图像质量的主要因素。以含加性噪声和乘性偏移场的脑ＭＲＩ图像组
织分割为目标，提出一种抗噪局部相干模糊聚类算法，通过在目标函数中加入模糊算子和一致局部信息约束，达到同时抑制噪声和偏移场不利影响的目的，提高分割准确性和稳定性。采用２Ｏ例合成图像、６Ｏ例来自ＢｒａｉｎＷｅｂ的模拟脑ＭＲＩ图像、１００例来自ＩＢＳＲ真实脑ＭＲＩ图像，对算法的聚类性能进行评价。实验结果表明，在噪声和偏移

谱聚类算法的改进及其在滑坡领域的应用

谱聚类算法的改进及其在滑坡领域的应用谱聚类算法的改进及其在滑坡领域的应用引言：在滑坡领域，对地质灾害的预测和防范一直是一个重要课题。

谱聚类算法是一种常用的聚类算法，可以用于挖掘数据集中的潜在成分，通过对数据进行聚类分析，可以发现潜在的滑坡特征。

然而，传统的谱聚类算法在处理大规模数据时存在效率低下和异常点敏感的问题。

本文将介绍谱聚类算法的改进方法，并基于改进后的算法，探讨其在滑坡领域的应用。

一、谱聚类算法的基本原理谱聚类算法是一种基于图论的聚类方法，其基本原理如下：1. 构建相似度矩阵：对给定的数据集，计算每个数据点之间的相似度。

常用的相似度计算方法有欧氏距离、余弦相似度等。

2. 构建拉普拉斯矩阵：根据相似度矩阵，构建拉普拉斯矩阵，用于描述数据集的拓扑结构。

3. 特征值分解：对拉普拉斯矩阵进行特征值分解，得到特征向量和特征值。

4. K-means聚类：根据前面得到的特征向量，将数据集进行K-means聚类。

二、谱聚类算法的改进方法针对传统的谱聚类算法存在的问题，研究者们提出了多种改进方法，以提高算法的效率和鲁棒性。

以下是几种常见的改进方法：1. 快速谱聚类算法：传统的谱聚类算法在进行特征值分解时，需要计算整个数据集的拉普拉斯矩阵的特征向量和特征值，计算复杂度较高。

快速谱聚类算法通过采用代表性样本点或者使用K近邻图的方法，降低了算法的计算复杂度。

2. 线性代数方法：传统的谱聚类算法需要对拉普拉斯矩阵进行特征值分解，计算复杂度很高。

线性代数方法通过使用线性代数技巧，如矩阵的特征值分解、矩阵的特征值投影等，简化了算法的计算过程。

3. 分布式谱聚类算法：传统的谱聚类算法对于大规模数据集的处理效率较低。

分布式谱聚类算法将数据集划分为若干个子集，分布式地进行谱聚类计算，提高了算法的处理效率。

三、谱聚类算法在滑坡领域的应用滑坡的发生往往与地质结构、降雨量、地表形态等因素密切相关。

谱聚类算法可以通过对滑坡相关数据的聚类分析，挖掘出滑坡的潜在特征，有助于滑坡的预测和防范。

一种改进谱聚类的机体损伤图像过渡区提取方法

一种改进谱聚类的机体损伤图像过渡区提取方法一、引言介绍机体损伤图像的意义和谱聚类算法的应用背景，阐述本文的研究意义和目的。

二、相关技术背景介绍机体损伤图像的特点及其挑战性，概述谱聚类算法的发展历程和原理，介绍谱聚类算法存在的问题。

三、改进的谱聚类算法提出阐述本文提出的改进谱聚类算法的原理和流程，详细阐述如何基于容积双曲割缺陷算法提取机体损伤图像中的过渡区域，并将其应用于谱聚类中。

四、实验结果和分析设计实验对改进的谱聚类算法进行验证和对比分析，详细阐述实验过程和结果，以及对实验结果的解释和分析。

五、结论和未来工作总结本文的研究工作和重要贡献，展望未来改进谱聚类算法在机体损伤图像处理中的发展方向，以及可能出现的挑战和解决方案。

一、引言伴随着医学影像技术和数学算法的发展，机体损伤图像的处理和分析已经成为医学领域中极其重要的任务之一。

机体损伤图像是指人体或动物在身体受到外力、疾病或手术等因素影响后的损伤部位所拍摄的医学影像。

如何快速、准确地提取损伤图像中的过渡区域，是改进机体损伤图像分析算法的重要研究问题之一。

谱聚类算法是一种有效的聚类算法，在医学图像处理中的应用领域越来越广泛。

相对于传统的k-means聚类算法，谱聚类算法不仅能够处理高维特征空间的数据，而且可以识别非凸、非线性的聚类结构，具有较强的鲁棒性和可扩展性。

但是，传统的谱聚类算法在提取机体损伤图像过渡区域方面存在一些不足。

谱聚类算法通常需要先进行图像分割，再提取感兴趣的区域。

然而，由于机体损伤图像的特殊性质，传统的图像分割算法难以准确地提取机体损伤图像的过渡区域。

因此，改进谱聚类算法以提高机体损伤图像分析的准确性和鲁棒性变得尤为重要。

本文旨在提出一种改进谱聚类算法，以提高机体损伤图像过渡区域的提取准确率和分析鲁棒性。

本文将首先介绍机体损伤图像的特征和谱聚类算法的原理及其应用背景。

接下来，本文将详细阐述谱聚类算法在机体损伤图像分析中可能出现的挑战和问题。

《滋肾宁心化痰法改善MCI谷氨酸能突触可塑性损伤的作用机制研究》

《滋肾宁心化痰法改善MCI谷氨酸能突触可塑性损伤的作用机制研究》一、引言近年来，随着社会人口老龄化趋势的加剧，轻度认知障碍（MCI）已成为全球范围内广泛关注的健康问题。

MCI表现为记忆力、注意力、思考能力等认知功能的轻度减退，是正常衰老与痴呆之间的过渡阶段。

谷氨酸能突触可塑性损伤被认为是MCI发生发展的重要机制之一。

因此，寻找有效的干预措施，特别是针对谷氨酸能突触可塑性的保护与修复，对于延缓MCI的进展具有重要意义。

中医的滋肾宁心化痰法作为一种综合调理的疗法，其对于改善MCI症状具有独特的优势。

本文旨在探讨滋肾宁心化痰法改善MCI谷氨酸能突触可塑性损伤的作用机制。

二、滋肾宁心化痰法概述滋肾宁心化痰法是中医治疗MCI的重要方法之一。

其理论基础在于通过滋补肾脏、宁心安神、化解痰湿等手段，调整机体内环境，改善脑部血液循环，从而达到改善认知功能的目的。

具体而言，滋肾即是通过补肾益精，增强肾气，使肾精充足以养脑；宁心则是通过调和心神，平衡情绪，减少焦虑抑郁等不良情绪对认知功能的影响；化痰则是通过化解痰湿，改善脑部微环境，促进脑部神经元的正常功能。

三、谷氨酸能突触可塑性损伤与MCI谷氨酸是中枢神经系统内主要的兴奋性神经递质，其谷氨酸能突触可塑性在认知功能中发挥着重要作用。

随着年龄的增长，谷氨酸能突触可塑性出现损伤，表现为突触传递功能的降低和突触结构的改变，这是导致MCI发生发展的重要机制。

因此，保护和促进谷氨酸能突触可塑性的修复成为延缓MCI进展的关键。

四、滋肾宁心化痰法对谷氨酸能突触可塑性的保护作用研究表明，滋肾宁心化痰法能够通过多种途径对谷氨酸能突触可塑性起到保护作用。

首先，滋补肾脏可以增强肾精的生成和供应，为脑部提供充足的营养物质，从而维持谷氨酸能突触的正常功能。

其次，宁心安神可以调节情绪，减少焦虑抑郁等不良情绪对谷氨酸能突触的损害。

此外，化解痰湿可以改善脑部微环境，减少炎症反应和氧化应激对谷氨酸能突触的损伤。

基于改进谱聚类的医学图像分割算法

基于改进谱聚类的医学图像分割算法周燕琴;吕绪洋;田春梅;李超强【摘要】为了解决基于像素难以有效分割的医学图像问题,提出一种改进谱聚类方法:一,将全局划分成具有强关联的子问题提高图像分割精度;二,传统基于欧氏距离度量的聚类容易陷入局部最优,提出流行距离构造样本相似矩阵,从而得到图像全局上的一致.最后通过对脑核磁共振图像分割验证算法的有效性.【期刊名称】《大众科技》【年(卷),期】2015(017)012【总页数】3页(P6-8)【关键词】医学图像;谱聚类;拉普拉斯特征映射;流行距离【作者】周燕琴;吕绪洋;田春梅;李超强【作者单位】广西师范学院计算机与信息工程学院,广西南宁 530023;广西师范学院计算机与信息工程学院,广西南宁 530023;广西师范学院计算机与信息工程学院,广西南宁 530023;广西师范学院计算机与信息工程学院,广西南宁 530023【正文语种】中文【中图分类】R445近年来，医学图像分割成为一个活跃的研究领域。

精确的医学图像分割可为临床诊断和做病理学研究等方面提供可靠依据。

这受到国内外研究学者的广泛关注，Lombaert和Ziki等人[1]提出了基于像素建立全局分类模型，对所有可能的目标类图像以及局部图像训练。

然而，医学图像含有重现组织构造不同、局部限定子问题很难并入到全局模式，所以全局分类模型很难解决此类问题。

局部子问题是由大量的子图组成不是由整体外观图像体现，所以解决局部问题可以采用全局问题域划分成局部限定的子问题针对性解决。

对于上述问题，本文提出并且解决了以下两方面的问题：第一个问题是局部子问题。

第二个问题是图像数据点相似性问题。

本文提出一种新的基于谱聚类算法将全局问题划分成局部有限子问题。

传统基于欧氏距离度量不能完全反应数据点在样本空间的分布特性[2]。

受文献[3]的启示，提出了一种新的基于流行学习距离度量聚类方法，可以增强类内间相似度，同时削弱类间相似度。

本文方法通过对脑部核磁共振（MR）图像分割与常用的谱聚类算法进行比较，实验结果表明所提方法获得较好的分割结果。

改进的聚类算法在医学图像分割中的应用

改进的聚类算法在医学图像分割中的应用（作者:___________单位: ___________邮编: ___________）【摘要】针对医学图像的特点，设计了一种聚类分析的图像分割算法，并且将遗传算法引入聚类，利用遗传算法的并行性和随机搜索性，从DBSCAN算法出发，针对其局限性提出了一种基于取样的DBSCAN算法及其遗传优化，从而达到较好的分割效果。

【关键词】医学图像; 聚类算法; 遗传算法; 分割随着医学技术的发展，有关医学诊断的各种图像在现代疾病辅助诊断中占有相当重要的地位，在分析和阅读灰阶医学图像时，图像的对比度、边缘特征和信噪比等对诊断的正确性致关重要。

但是在图像拍摄中避免不了的一些噪声(量子噪声、颗粒噪声、CCD暗电流噪声等)及病变变化微小情况下的不清晰的图像信息，影响了疾病的正确诊断，因此为了提高疾病的正确诊断率，医学图像处理技术就显得尤为重要[1]。

近年来，医学图像处理技术中的分割技术是国际上图像分割领域的一个新的研究热点。

该方法将图像映射为带权无向图，把像素视作节点。

利用最小剪切准则得到图像的最佳分割，该方法本质上将图像分割问题转化为最优化问题。

是一种点对聚类方法。

对数据聚类也具有很好的应用前景。

这种分割技术对医学诊断有很大的帮助。

1 聚类算法近年来，大量数据被存储到空间数据库中，如何提高查询效率和从大量数据中提取有用的模式显得尤为重要。

聚类分析是将物理或抽象的对象组成的集合分组成为由类似的对象组成的多个簇，使得处于相同簇中的对象具有最大的相似性，而处于不同簇中的对象具有最大的差异性的方法及过程.聚类可以定义如下：在数据空间A中，数据集由许多数据点(或数据对象)组成，数据点xi=(xi1，……,xid)∈A，xi 的每个属性(或特征、或维度) 既可以是数值型的，也可以是枚举型的.数据集A相当于是一个n×d矩阵.假设数据集X中有n个对象xi(i=1，…，n)。

聚类的最终目的是把数据集X划分为K个分割Cm(m=1，…，K)，也可能有些对象不属于任何一个分割，这些就是噪声Cm。

脑电图功率谱变化对MCI患者脑血管狭窄的诊断价值

脑电图功率谱变化对MCI患者脑血管狭窄的诊断价值赵晓红;展淑琴【摘要】目的：探讨脑电图功率谱变化对轻度认知功能障碍（MCI）患者脑血管狭窄的诊断价值。

方法100例MCI患者被分为无脑血管狭窄组、轻度脑血管狭窄组、重度脑血管狭窄组，所有患者行常规脑电图记录，比较分析3组的α频段、θ频段、δ频段相对功率值及α／θ值，通过脑电图功率谱分析，对脑血管狭窄程度做出诊断。

结果α频段相对功率值和α／θ值随脑血管狭窄程度下降，θ频段、δ频段相对功率值随脑血管狭窄程度升高，脑电图功率谱分析对无脑血管狭窄、轻度脑血管狭窄、重度脑血管狭窄的诊断符合率分别为87．18％、81．25％、96．55％，总体诊断符合率为88．00％，诊断一致性较好（ kappa＝0．819，P＜0．05），诊断有无脑血管狭窄的ROC曲线下面积为0．905（P＜0．05）。

结论α频段、δ和θ频段及α／θ值的改变可作为提示脑血管狭窄程度的观察指标；脑电图功率谱变化对MCI患者脑血管狭窄病情有较好的诊断价值。

%ObjectiveTo explore the diagnosis value of electroencephalogram (EEG) power spectrum changes to cerebral vascular stenosis ( CVS) in patients with mild cognitive impairment ( MCI) .Methods Total 100 patients with MCI were divided into non-CVS group, mild CVS group, and severe CVS group;the conventional EEG of all patients were recorded , and the relative powerofα,θ, and δfrequency range and α/θvalue of the three groups were compared and analyzed;EEG power spectrum analysis was made in orderto diagnose the severity of CVS .Results The values of relative power andα/θ in frequency range αdecreased with the severity of CVS, and those in frequency ranges θandδincreased with the severity of CVS;the coincidencerate of EEG analysis with the diagnosis of non-CVS, mild CVS, and severe CVS was 87.18%, 81.25%, and 96.55%, respectively, with an overall coincidence rate of 88.00%, so the coincidence rate with diagnosis is good (kappa=0.819, P<0.05).The area under the ROC curve to diagnose whether there was CVS was 0.905 (P<0.05).Conclusion The change of the frequency range of α,θ, andδandα/θvalue may be taken as an observation index indicating the severity of CVS;the EEG power spectrum changes has good diagnosis value to CVS in patients with MCI .【期刊名称】《西南国防医药》【年(卷),期】2015(000)003【总页数】4页(P236-239)【关键词】认知功能障碍;脑电图;功率谱;脑血管;狭窄;诊断【作者】赵晓红;展淑琴【作者单位】726000 陕西商洛，陕西省商洛市中心医院神经内科;西安交通大学第二附属医院神经内科【正文语种】中文【中图分类】R743作者单位:726000 陕西商洛,陕西省商洛市中心医院神经内科(赵晓红)；西安交通大学第二附属医院神经内科(展淑琴)[Abstract] Objective To explore the diagnosis value of electroencephalogram (EEG) power spectrum changes to cerebral vascularstenosis (CVS) in patients with mild cognitive impairment (MCI).Methods Total 100 patients with MCI were divided into non-CVS group, mild CVS group, and severe CVS group; the conventional EEG of all patients were recorded, and the relative power of α, θ, and δ frequency range and α/θ value of the three groups were compared and analyzed; EEG power spectrum analysis was made in order to diagnose the severity ofCVS.Results The values of relative power and α/θ in frequency range α decreased with the severity of CVS, and those in frequency ran ges θ and δ increased with the severity of CVS; the coincidence rate of EEG analysis with the diagnosis of non-CVS, mild CVS, and severe CVS was 87.18%, 81.25%, and 96.55%, respectively, with an overall coincidence rate of 88.00%, so the coincidence rate with diagnosis is good(kappa=0.819,P<0.05). The area under the ROC curve to diagnose whether there was CVS was 0.905 (P<0.05).Conclusion The change of the frequency range of α, θ, and δ and α/θ value may be taken as an observation index indicating the severity of CVS; the EEG power spectrum changes has good diagnosis value to CVS in patients with MCI.[Key words] cognitive impairment; EEG; power spectrum; cerebral vascular; stenosis; diagnosis轻度认知功能障碍(mild cognitive impairment,MCI)是一种介于正常老龄化及痴呆之间的综合征,主要表现为轻度记忆减退或其他轻度认知功能损害,但并不影响患者的日常生活能力及社会活动能力[1-2]。

一种改进的谱聚类算法

一种改进的谱聚类算法
谷瑞军;叶宾;须文波
【期刊名称】《计算机研究与发展》
【年(卷),期】2007(044)0z2
【摘要】谱聚类算法是基于谱图理论的一类新的聚类算法,能对任意形状的数据进行划分,已经被成功应用到图像分割等领域.但谱聚类很难正确发现密度相差比较大的簇,参数的选取要靠多次实验和个人经验.结合DBSCAN的思想,充分考虑数据的局部结构,提出了一种基于近邻自适应尺度的改进谱聚类算法.其基本思想是根据数据点的近邻分布,对每个点设置一个近邻自适应尺度,代替标准谱聚类算法中的全局统一尺度.近邻自适应尺度简化了参数的选取,使得新算法对密度的变化不敏感,对离群点有一定的鲁棒性,同时比标准谱聚类更适合任意形状的数据分布.通过与传统的聚类算法和常见的谱聚类算法做比较,在人工数据集和实际数据集UCI上的实验都验证了本算法能够获得更好的聚类效果.
【总页数】5页(P145-149)
【作者】谷瑞军;叶宾;须文波
【作者单位】江南大学信息工程学院,无锡,214122;江南大学信息工程学院,无锡,214122;江南大学信息工程学院,无锡,214122
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种改进相似度参数估计的半监督谱聚类算法 [J], 郭新辰;吴希;宋琼
2.一种改进的半监督谱聚类算法 [J], 王磊
3.一种改进的自适应谱聚类图像分割算法 [J], 陈姿羽;黄靖;李伟鹏
4.一种改进的谱聚类算法及其在基因表达谱分析中的应用 [J], 葛芳;王年;郭秀丽
5.一种针对电力数据异常检测的改进谱聚类算法 [J], 高书强; 李晨
因版权原因，仅展示原文概要，查看原文内容请购买。

基于MCI患者脑功能网络的分类研究

基于MCI患者脑功能网络的分类研究
梁红;相洁
【期刊名称】《计算机工程与设计》
【年(卷),期】2014(35)4
【摘要】为辅助轻度认知障碍(MCI)的诊断提供新的方法,构建了早期轻度认知障碍、晚期轻度认知障碍及正常对照的静息态脑功能网络.基于复杂网络理论计算了脑功能网络的节点属性并进行了组间差异分析,将具有显著差异的属性值作为分类特征,使用支持向量机算法对所有被试进行了分类研究.实验结果表明,该方法可以用于MCI的辅助诊断,具有一定的应用价值.
【总页数】5页(P1390-1394)
【作者】梁红;相洁
【作者单位】太原理工大学计算机科学与技术学院,山西太原030024;太原理工大学计算机科学与技术学院,山西太原030024
【正文语种】中文
【中图分类】TP39
【相关文献】
1.基于VBM方法对男性MCI患者灰质体积的纵向研究 [J], 杨慧芳;童隆正;刘苏;刘卫芳;夏翃
2.利用图论方法研究MCI患者脑功能网络的点介性 [J], 王湘彬;赵小虎;江虹;席芊;王培军
3.基于谱聚类的MCI功能影像分类特征选择研究 [J], 赵冬琴;相洁
4.重度抑郁症患者脑功能网络的分类研究 [J], 温洪;郭浩;李越;陈俊杰
5.基于格兰杰因果分析的MCI脑网络分类研究 [J], 崔会芳;周梦妮;王彬;相洁;曹锐;阎鹏飞
因版权原因，仅展示原文概要，查看原文内容请购买。

一种改进的聚类算法在入侵检测中的应用

一种改进的聚类算法在入侵检测中的应用
张月琴;刘静
【期刊名称】《太原理工大学学报》
【年(卷),期】2008(000)0S1
【摘要】为了研究聚类算法在入侵检测中的应用,该文讨论了传统的k-means算法,指出其存在的问题;将遗传算法引入到聚类算法中,提出了一种改进的k-means 算法。

实验证明,用该算法实现的数据聚类与传统的k-means算法相比较,能有效提高数据聚类效果。

【总页数】1页(P)
【作者】张月琴;刘静
【作者单位】太原理工大学计算机与软件学院
【正文语种】中文
【中图分类】TP274
【相关文献】
1.一种改进聚类算法在入侵检测中的应用 [J], 赵云;顾健;张笑笑
2.改进的遗传模糊聚类算法及其在入侵检测中的应用 [J], 李新宇
3.一种改进的k-means聚类算法在入侵检测中的应用 [J], 尹珧人;王德广
4.改进的聚类算法在入侵检测系统中的应用 [J], 邢瑞康;李成海
5.改进的聚类算法在入侵检测系统中的应用分析 [J], 胡翰;戴琴;李威;刘仕琴因版权原因，仅展示原文概要，查看原文内容请购买。

过程方法在阿尔茨海默病及轻度认知障碍患者记忆评估中应用的研究进展

过程方法在阿尔茨海默病及轻度认知障碍患者记忆评估中应用
的研究进展
朱文昊;孙中武
【期刊名称】《中国医学科学院学报》
【年(卷),期】2024(46)2
【摘要】过程方法是神经心理学中的一系列分析方法,是对列表词语学习测验过程、传统分析方法等的量化,可全面地反映受试者记忆轮廓,广泛用于阿尔茨海默病(AD)和轻度认知障碍(MCI)患者记忆精准评估,其常见指标如学习斜率、语义串联、序列位置效应、区分力和反应偏差是记忆评估的重要组成部分。

本文就过程方法常见指标在AD和MCI患者记忆评估中的应用进行综述,并就过程方法存在的问题和未来研究方向展开讨论。

【总页数】5页(P242-246)
【作者】朱文昊;孙中武
【作者单位】安徽医科大学第一附属医院神经内科
【正文语种】中文
【中图分类】R741
【相关文献】
1.源于阿尔茨海默病的轻度认知障碍患者脑结构及静息态功能磁共振研究进展
2.睾酮可改善阿尔茨海默病和轻度认知障碍男性患者的空间记忆力
3.运动结合认知训
练在轻度认知障碍和阿尔茨海默病患者中应用的整合性综述4.阿尔茨海默病和轻
度认知障碍患者脑网络变化特点的研究进展5.磁共振弥散张量成像在鉴别阿尔茨海默病与轻度认知障碍患者的脑白质损伤中的应用研究
因版权原因，仅展示原文概要，查看原文内容请购买。

改进的聚类分析算法及其性能分析

改进的聚类分析算法及其性能分析
郭书杰;吴小欣;黄杰
【期刊名称】《计算机时代》
【年(卷),期】2010(000)008
【摘要】提出了一种改进的聚类分析算法,该算法采用类似中间聚类与最终聚类分布的思想,先对密集区域进行聚类,形成了K个聚类,然后再对相对分散的自由数据进行K-means聚类,使聚类分析在迭代过程中始终沿着最优的方向进行,减小了迭代次数,提高了收敛速度.该算法融合了网格聚类与K-均值聚类的优点,并且引入了一种新的划分网格的算法和新的计算密度阀值的函数.理论分析以及实验证明,改进算法的聚类过程达到了令人满意的效果.
【总页数】3页(P4-6)
【作者】郭书杰;吴小欣;黄杰
【作者单位】91550部队指控中心,辽宁,大连,116023;91550部队指控中心,辽宁,大连,116023;91550部队指控中心,辽宁,大连,116023
【正文语种】中文
【相关文献】
1.最小均方误差波束赋形算法及其改进算法的性能分析 [J], 赵鹏飞;刘刚
2.WEP协议中的RC4算法改进及改进性能分析 [J], 梁欢欢
3.数据挖掘中聚类分析算法性能分析 [J], 杨丹丹
4.改进的离散S变换快速算法与连续小波变换算法性能分析 [J], 吴彦华
5.用遗传算法改进聚类分析中的K—平均算法 [J], 唐立新;杨自厚
因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

改进谱聚类算法在ＭＣＩ患者检测中的应用研究
相洁，赵冬琴
（１．太原理工大学计算机科学与技术学院，山西太原０３００２４；２．山西财经大学实验教学中心，ｔｈａｉ太原０３０００６）
摘
要：为了利用功能核磁影像（ｆＭＲＩ，ｆｕｎｃｔｉｏｎａｌｍａｇｎｅｔｉｃｒｅｓｏｎａｎｃｅｉｍａｇｉｎｇ）数据进行轻度认知障碍（ＭＣＩ，ｍｉｌｄ
２．ＣｅｎｔｅｒｏｆＥｘｐｒｉｅｍｅｎｔａｌｎｄａＴｅａｃｈｉｎｇ，ＳｈｎｘａｉＵｎｉｖｅｒｓｉｔｙｏｆＦｎａｉｎｃｅａｎｄＥｃｏｎｏｍｉｃｓ，Ｔａｉｙｕａｎ０３０００６，Ｃｈｉｎａ）
ｍｅｔｈｏｄｂａｓｅｄｏｎｆＭＲＩｃｌｕｓｔｅｉｒｎｇｗａｓｐｒｏｐｏｓｅｄｆＭＲＩｄａｔａｗｅｒｅｃｌｕｓｔｅｒｅｄｔｏｏｂｔａｉｎｔｈｅｂｌｏｏｄｏｘｙｇｅｎｌｅｖｅｌｄｅｐｅｎｄ —
ｉｔｓａｐ１３ｐｌｌｉｃａｔｉห้องสมุดไป่ตู้ｏｎｉ ’ ｎ — ＮＩＣＩｄｅｔｅｃｔｉｏｎ
ＸＩＡＮＧＪｉｅ，ＺＨＡＯＤｏｎｇ．ｑｉｎ
（１．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＴａｉｙｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｔａｉｙｕｎａ０３００２４，Ｃｈｉｎａ；
ｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｎｅｅｄｓｔｏｃａｌｃｕｌａｔｅａｌｌｏｆｔｈｅｅｉｇｅｎｖａｌｕｅａｎｄｅｉｇｅｎｖｅｃｔｏｒ，ｓｏｔｉｍｅａｎｄｓｐａｃｅｃｏｍｐｌｅｘｉｔｙｉｓｈｉｇｈｅｒ．Ａｎ
有的特征值和特征向量、时间与空间复杂度较高。提出一种改进的谱聚类方法，在相似矩阵的构造以及ｏ－与ｋ值
的确定等方面进行了改进，将其用于ＭＣＩｆＭＲＩ数据的聚类与诊断研究中。与传统谱聚类及ＮｙｓｔｒＯｍ算法进行的对比实验结果表明，改进的谱聚类方法可以更准确得到患者异常ＢＯＬＤ模式，分类正确率较高，且时间和空间复杂度均小于传统算法。
ｅｎｃｅ（ＢＯＬＤ）ｃｈａｎｇｅｍｏｄｅｌｏｆＭＣＩｐａｔｉｅｎｔｓ，ｔｈｅｎａｂｎｏｍａｒｌｐａｔｔｅｒｎｓｗｅｒｅｕｓｅｄｔｏｄｅｔｅｃｔｄｉｓｅａｓｅ．Ｔｈｅｔｒａｄｉｔｉｏｎａｌｓｐｅｃｔｒａｌ
ｉｍｐｒｏｖｅｄｓｐｅｃｔｒａｌｃｌｕｓｔｅｒｉｎｇｍｅｔｈｏｄｗａｓｐｒｏｐｏｓｅｄｗｈｉｃｈｍｏｄｉｉｅｆｄｔｈｅｓｉｍｉｌａｒｍａｔｒｉｘｃｏｎｓｔｒｕｃｔｉｏｎｍｅｔｈｏｄｎｄａｔｈｅｓｅｔｔｉｎｇｍｅｔｈｏｄｏｆａｎｄａｎｄｔｈｅｎｔｈｉｓｍｅｔｈｏｄｗａｓａｐｐｌｉｅｄｔｏｃｌｕｓｔｅｉｎｒｇａｎｄｄｅｔｅｃｔｉｏｎｏｆＭＣＩｐａｔｉｅｎｔｓ．Ｔｏｖｅｒｉｆｙｔｈｅｐｅｒｆｏｍ — ｒｎｃａｅｏｆｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄ，ｔｈｅｃｏｍｐａｒｉｓｏｎｏｆｈｅｔｃｌｕｓｔｅｒｉｎｇｒｅｓｕｌｔ，ｃｌａｓｓｉｉｆｃａｔｉｏｎａｃｃｕｒａｃｙｕｓｉｎｇｔｒａｄｉｔｉｏｎａｌａｌｇｏｒｉｔｈｍ
关键词：谱聚类；Ｎｙｓｔｒ６ｍ：ｆＭＲＩ．ＢＯＬＤ；轻度认知障碍；ＭＣＩ诊断中图分类号：ＴＰ１８１．０９文献标识码：Ａ
Ｉｍｐｒｏｖｅｄｓｐｅｃｔｒａｌｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍａｎｄ
第３６卷第４期２０１５年４月
通
信
学
报
、ｂｌ＿３６Ｎｏ．４
Ｊｏｕｒｎａ１ｏｎＣｏｍｍｕｎｉｃａｔｉｏｎｓ
Ａｐｒｉｌ２０１５
ｄｏｉ：１０．１１９５９／ｊ．ｉｓｓｎ．１０００－４３６ｘ．２０１５１８１
Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｄｅｔｅｃｔｍｉｌｄｃｏｇｎｉｔｉｖｅｉｍｐａｉｒｍｅｎｔ（ＭＣＩ）ｕｓｉｎｇｆｕｎｃｔｉｏｎａｌｍａｇｎｅｔｉｃｒｅｓｏｎｎｃａｅｉｍａｇｉｎｇ（ｆＭＲＩ），ａ
ｃｏｎｉｇｔｉｖｅｉｍｐａｉｒｍｅｎｔ）自动检测，对患者的ｆＭＲＩ数据进行聚类分析，得到患者大脑血氧依赖水平（ＢＯＬＤ，ｂｌｏｏｄ
ｏｘｙｇｅｎｌｅｖｅｌｄｅｐｅｎｄｅｎｃｅ）的变化模式，并将异常模式用于疾病检测中。由于传统谱聚类算法需要计算相似矩阵所