基于独立成分的加权高阶脑网络的分类方法

• 作者: 李欣芸 李瑶 杨艳丽 谷金晔 陈俊杰
• 来源期刊: 太原理工大学学报
• 关键词: 独立成分分析 高阶功能连接网络 加权图 频繁子图挖掘 判别性特征选择
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 信息与计算机科学
• 页码范围: 745-750
• 页数: 6页
• 分类号: TP311.5
• 语种: 中文
• DOI: 10.16355/j.cnki.issn1007-9432tyut.2018.05.015

摘要

为了解决传统的磁共振成像数据分类方法正确率较低的问题,提出了一种基于独立成分分析的高阶功能连接网络,使用加权图的频繁子图挖掘和判别性特征选择进行分类研究的方法.该方法不需要依赖先验的脑图谱模板,充分考虑了扫描时间内的时变特性,且将频繁子图挖掘应用到了加权图上.同时为了更准确地找到具有判别性的子图特征,也提出了几种新的判别性特征选择方法.结果发现基于独立成分的加权高阶脑网络的静息态功能磁共振成像分类方法有效地提高了阿尔兹海默症诊断的正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈俊杰	太原理工大学信息与计算机学院	220	1728	20.0	30.0
2	杨艳丽	太原理工大学信息与计算机学院	8	18	3.0	4.0
3	李瑶	太原理工大学信息与计算机学院	13	127	3.0	11.0
4	李欣芸	太原理工大学软件学院	5	2	1.0	1.0
5	谷金晔	太原理工大学软件学院	1	0	0.0	0.0