基于SVM—RFE的静息态fMR1分类研究及应用

• 作者: 张健 曾卫明 杨嘉君
• 来源期刊: 现代计算机：中旬刊
• 学科: 工学
• 关键词: 磁共振成像 相关系数 特征选择 分类
• 年，卷（期）: 2017,（7）
• 页码范围: 3-7
• 页数: 5页
• 分类号: TP391.4

摘要

使用机器学习方法分类功能磁共振成像（fMRI）数据已经逐渐被应用到探索大脑认知的研究中。研究大脑功能区之间的相关性，对于理解大脑的工作方式乃至探究精神疾病的病理机制具有重要意义。使用不同眼睛状态和偏头痛疾病这两组静息态功能磁共振成像（rs-fMRI）数据，计算90个脑区间的相关性，构建出相应的脑功能相关系数矩阵。利用SVM—RFE特征选择方法筛选出具有显著特征性的脑区，并以相应的脑区功能相关系数矩阵为分类特征进行SVM分类。这两组实验均得到较高的分类准确率，并对提取出的特征进行分析，发现这些特征可以体现实验数据之间的大脑功能差异，并且在大脑认知上提供有益的探索。