基于脑连接网络的阿尔茨海默病临床变量值预测

• 作者: 屠黎阳 张道强 祖辰 路子祥
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2017,（3）
• 页码范围: 355-361
• 页数: 7页
• 分类号: TP181
• 字数: 4943字
• 语种: 中文
• DOI: 10.11992/tis.201607020

摘要

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.

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	祖辰	南京航空航天大学计算机科学与技术学院	4	8	2.0	2.0
3	路子祥	南京航空航天大学计算机科学与技术学院	2	2	1.0	1.0
4	屠黎阳	南京航空航天大学计算机科学与技术学院	3	5	2.0	2.0