基于网络拓扑特性的MCI分类

• 作者: 张道强 接标
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 图核 核方法 连接网络 轻度认知障碍
• 年，卷（期）: 2013,（5）
• 页码范围: 602-607
• 页数: 6页
• 分类号: TP3
• 字数: 5058字
• 语种: 中文

摘要

阿尔茨海默氏病(Alzheimer's disease,AD)和轻度认知障碍(Mild cognitive impairment,MCI)是经常发生在老年人中的脑疾病,其主要表现为认知和智力的障碍.机器学习和模式识别方法已经被应用到对AD和MCI的诊断和分类中.最近,研究人员提出利用大脑连接网络实现对疾病的诊断和分类.大部分的研究主要集中在网络中提取一些局部的特性(如聚类系数),并利用机器学习的方法(如支持向量机)来实现对疾病的分类.然而,存在的研究表明AD以及MCI是和一个大规模的脑连接网络相关,而不仅是大脑的若干区域.因此,本文提出一种新的基于网络整体拓扑结构信息的分类方法,并将其用于对MCI疾病的分类.实验结果表明,本文的方法能够对分类结果有重要的改进.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张道强	南京航空航天大学计算机科学与技术学院	51	491	11.0	20.0
2	接标	南京航空航天大学计算机科学与技术学院	7	47	4.0	6.0