基于最小生成树的多特征融合的脑网络分类研究

摘要：

针对传统图论方法设置阈值等问题,采用最小生成树方法进行脑网络的构建.传统的分类方法是从脑网络中提取一些可量化指标用于分类,忽视了多个脑区之间的拓扑信息.针对此问题,提出了一种脑区特征与连接模式相结合的多特征融合的分类方法,利用不同类型的特征来量化不同的网络性能.结果表明,抑郁症患者的最小生成树更趋向于随机网络,且局部属性出现显著异常的脑区集中在边缘系统—皮层—纹状体—苍白球—丘脑神经环路(limbic-cortical-striatal-pallidal-thalamic,LCSPT).此外,与单一类型特征的分类方法相比,多特征融合的方法能够有效地提高分类精度.进一步分析表明,最小生成树方法可用于抑郁症的辅助诊断,不同形式的特征表示方法具有信息描述方面的互补性.

关键词：最小生成树、多特征融合、抑郁症、分类、脑网络

所属期刊栏目：35

分类号：TP391.7(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61373101,61472270,61402318,61672374;山西省科技厅应用基础研究项目青年面上资助项目201601D021073;山西省教育厅高等学校科技创新研究资助项目2016139

在线出版日期：2018-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3237-3242