基于神經元空間形態(tài)的分類方法研究.pdf

1、人類大腦計劃的目的是為全世界的神經信息學數據庫構造統(tǒng)一標準跨學科融合分析的大量數據，使人們對大腦的認識更迅速。"大腦計劃"的成果將有助于人類徹底理解大腦的運行方式，進一步闡明意識的發(fā)生、思維過程等一系列科學謎題，也為各種大腦疾病的治療打下堅實基礎。我國也在大力發(fā)展中國特色的"中國腦計劃"。大腦構造的基本單位是神經元，對其研究尤為基礎和重要。根據空間形態(tài)區(qū)分不同類別的神經元是其中的一個重要課題,但這個問題目前仍沒有很好地解決。
　　

2、本文從神經元的外部直觀特征--空間形態(tài)入手，運用現(xiàn)在主流的模式識別方法對神經元進行分類。從神經元數據庫收集大腦皮層區(qū)域最常見的四類神經元數據：中間神經元、氨基丁酸能神經元、硝基能神經元、錐體神經元。數據以SWC格式存儲，所以先計算神經元空間形態(tài)屬性，得到43個屬性特征。然后進行特征選擇，選取了22個特征。之后采用特征選取和分類同時進行的幾種模式識別方法--決策樹、貝葉斯網絡、人工神經網絡、支持向量機進行神經元分類,最后進行結果分析。

3、r>　　結果表明,三種方法都比較理想。決策樹的分類方法最佳，人工神經網絡次之，支持向量機緊跟其后，貝葉斯網絡稍差。決策樹準確率為99.55％。決策樹采用CART算法，用基尼系數作為不純度選取變量克服了選擇變量時偏向于選擇取值多的變量的不足。所以對樣本能做出適用而且效果良好的結果。神經網絡準確率為99.22%。采用BP算法，并行分布處理能力強，能充分逼近復雜的非線性關系。但不同參數設置會影響分類效果。支持向量機準確率為99.116%，它處