基于脑连接网络的阿尔茨海默病临床变量值预测
目前脑功能连接网络已被广泛用于大脑疾病诊断,然而传统的脑网络分类方法无法评估疾病所处的阶段以及预测病情的发展.近期的研究表明,脑疾病的临床变量值可以有效地帮助医生进行疾病评估,为此提出一种基于脑连接网络的方法,用于对阿尔茨海默病临床变量值进行预测.首先从脑影像中提取功能连接网络,然后使用LASSO进行特征选择,剔除不具有判别性的边.同时融合网络的聚类系数和边的权重作为特征.最后使用支持向量回归机预估临床变量值.在ADNI数据集上对提出的方法进行验证,实验结果表明,提出的方法不仅能够准确地预测疾病临床变量值而且还验证了多种特征融合的有效性.
大脑功能、特征选择、特征提取、特征融合、网络分析、回归分析、阿尔茨海默病、医学影像
12
TP181(自动化基础理论)
国家自然科学基金项目61422204,61473149;江苏省杰出青年基金项目BK20130034;高等学校博士学科点专项科研基金课题20123218110009;南京航空航天大学基本科研业务费项目NE2013105
2017-08-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
355-361