最小生成树脑网络分析及自闭症分类研究

• 作者: 党伟超 刘春霞 潘理虎 白尚旺 程超
• 来源期刊: 太原理工大学学报
• 关键词: 最小生成树 复杂网络 自闭症 分类
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 信息与计算机科学
• 页码范围: 454-461
• 页数: 8页
• 分类号: TP131
• 语种: 中文
• DOI: 10.16355/j.cnki.issn1007-9432tyut.2018.03.014

摘要

不同年龄的自闭症患者所表现出来的临床表征差异很大,但这些差异在影像学指标上却难以发现.为了解决这一问题,在静息态功能脑网络基础上,引入最小生成树分析方法,利用度、介数、离心率三个节点指标,对不同年龄分组(儿童-青少年,青少年-成人)之间进行差异分析.进而,根据统计显著性差异提取分类特征,结合 SVM 分类算法,构建一个准确率较高的模型.结果表明,在两组(儿童-青少年,青少年-成人)对比分析中均得到显著性差异区域,分类准确率分别为80.38%和81.88%.该方法为自闭症不同年龄患者影像学分析及辅助诊断提供了新的方法和思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘理虎	太原科技大学计算机科学与技术学院	95	287	10.0	12.0
3	刘春霞	太原科技大学计算机科学与技术学院	23	30	4.0	4.0
4	白尚旺	太原科技大学计算机科学与技术学院	76	280	10.0	13.0
5	党伟超	太原科技大学计算机科学与技术学院	40	171	7.0	12.0
8	程超	太原科技大学计算机科学与技术学院	2	3	1.0	1.0