1. 毕业设计（论文）主要目标：
(1) 本文将对实例样本的MRI图像进行分割处理，得到ROI区域（感兴趣区域，即胼胝体），分割出形态曲线；(2) 在对ROI区域配准的情况下（标准化），提取图像特征；(3) 利用特征信息做分类。
分类时使用多个变量的随机森林算法和支持向量机算法，利用训练模型得到特征变量的重要性排序；(4) 使用健康对照者和ADHD患病者的胼胝体形态数据，在增加光滑噪声的基础上模拟大数据量样本的情况，观察分类器的分类性能；(5) 比较不同分类器对实例数据的分类性能。
2. 毕业设计（论文）主要内容：
形状分析一直是物体识别和医学成像的重要课题，它的一个重要目标是根据边界的形状对感兴趣的对象进行分类和识别。
由于注意力缺陷多动障碍的诊断方法主观性强，缺少客观的辅助诊断工具，本文我们感兴趣的是MRI（核磁共振）图像中胼胝体的形状信息能否尽可能准确地作为诊断注意力缺陷多动障碍疾病的成像生物标志物。
为此我们将使用形态数据的监督学习分类框架，以探索形状数据与疾病诊断信息之间的关系。
3. 主要参考文献
[1] Chao Huang, Martin Styner, Hongtu Zhu. Clustering High-Dimensional Landmark-Based Two-Dimensional Shape Data[J]. Journal of the American Statistical Association, 2015,110(511).[2] Neal R M . Regression and Classification Using Gaussian Process Priors[C].Bayesian Statistics. 2008.[3] Shi J , Wang B . Curve prediction and clustering with mixtures of Gaussian process functional regression models[J]. Statistics Computing, 2008, 18(3):267-283.[4] Brown M R G , Sidhu G S , Russell G , et al. ADHD-200 Global Competition: diagnosing ADHD using personal characteristic data can outperform resting state fMRI measurements[J]. Frontiers in Systems Neuroscience, 2012, 6. [5] Dryden, I., and Mardia, K. (1998), Statistical Analysis of Shape[M], Chichester, UK: Wiley:946-948[6] Suryawanshi R S . Statistical Analysis of Shape of Objects Based on Landmark Data[J]. Proceedings of the National Academy of Sciences of the United States of America, 1996, 93(22):12132-12136.[7] 张丽英. 基于机器学习的注意缺陷多动障碍分类研究[D]. 南昌大学, 2018. [8] 朱莉, 张丽英, 韩云涛, 曾佺, 常为科. 基于卷积神经网络的注意缺陷多动障碍分类研究[J]. 生物医学工程学杂志,2017,34(01):99-105.[9] 李航. 统计学习方法[M].北京:清华大学出版社,2012.3: 1-5,18-20, 55-75.[10] 王韶怡, 李淑宇. 基于磁共振成像的ADHD脑沟形态学研究[J]. 北京生物医学工程, 2016, 35(03): 221-225 266.[11] 段建峰. 基于决策树模型的高分影像分类研究[D]. 新疆大学, 2017.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
