判别性子图挖掘方法及其在 MCI 分类中的应用

• 作者: 张道强 接标 王立鹏 费飞
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 轻度认知障碍 结构连接网络 频繁子图挖掘 图核
• 年，卷（期）: 2015,（2）
• 页码范围: 328-334
• 页数: 7页
• 分类号: TP181
• 字数: 4170字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2015.02.017

摘要

最近，脑连接网络已经被用于神经退行性疾病(如阿尔茨海默病 AD 以及轻度认知障碍 MCI)的诊断和分类。以往典型方法是从脑连接网络中提取一些特征(如局部聚类系数等)构成一个长特征向量，并用其训练一个分类器用于最终的分类。然而，上述方法的一个缺点是未能充分考虑网络的拓扑结构信息，因而限制了分类性能的进一步提升。提出一种基于判别子图挖掘的脑连接网络分类方法。首先分别从正类训练样本集和负类训练样本集中挖掘频繁子网络(即频繁子图)；然后利用基于图核的方法来衡量频繁子网络的判别性能，并选择那些最具判别性的频繁子网络作为判别子网络用于后续的分类；最后，在真实 MCI 数据集上的实验验证了该方法的有效性。

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	费飞	南京航空航天大学计算机科学与技术学院	16	32	4.0	5.0
3	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
4	王立鹏	南京航空航天大学计算机科学与技术学院	2	11	2.0	2.0