基于脑功能超网络的多特征融合分类方法

• 作者: 张帆 郭浩 陈俊杰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 功能磁共振影像 超网络 多特征 子图特征 抑郁症
• 年，卷（期）: 2018,（21）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 120-127
• 页数: 8页
• 分类号: TP181
• 字数: 7330字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1707-0276

摘要

针对在超网络上提取局部脑区指标作为特征,忽视了全局的拓扑信息,继而影响网络拓扑的评估,降低分类器性能的问题,提出了一种基于脑功能超网络的多特征融合分类方法,该方法首先在抑郁症数据集上构建超网络,其次将局部脑区特征和子图特征进行融合.最后采用基于多核的SVM分类器进行分类.为了验证所提方法的有效性,选取28例正常被试和38例抑郁症患者进行实验,结果表明,该方法获得了令人满意的分类准确率,平均可达91.60％.获得的异常区域包括左侧舌回、左侧尾状核、左侧丘脑等重要的抑郁症病发区域.故而该基于脑功能超网络的多特征融合分类方法可以有效地用于分类正常人和抑郁症患者.

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	太原理工大学计算机科学与技术学院	220	1728	20.0	30.0
2	张帆	太原理工大学计算机科学与技术学院	13	76	3.0	8.0
3	郭浩	太原理工大学计算机科学与技术学院	53	182	7.0	11.0