基于局部差异最小生成树脑网络的抑郁症分类研究

• 作者: 李瑶 李舒婷 王昕璨 赵云芃 陈俊杰
• 来源期刊: 太原理工大学学报
• 关键词: 局部差异网络 最小生成树 抑郁症 脑网络 机器学习 分类
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 信息与计算机
• 页码范围: 495-501
• 页数: 7页
• 分类号: TP181
• 语种: 中文
• DOI: 10.16355/j.cnki.issn1007-9432tyut.2020.04.002

摘要

传统的最小生成树特征提取方法使用局部可量化指标来分类脑疾病,忽略了低权重的连接和集群在大脑网络中信息处理的重要作用,造成网络中一些有用信息的丢失.较其他网络特征而言,其特征有效性和分类准确率都明显偏低.为解决这些问题,本文以最小生成树拓扑指标作为特征,在局部差异最小生成树脑网络上进行提取特征并构建分类器,在抑郁症患者数据集上进行验证.实验结果显示,该方法相比于传统最小生成树特征提取方法可以提供更多有效特征,能够有效地提高分类精度.本文提出的新方法可以为脑网络的构建以及特征提取提供重要的可参考依据,也有助于医学辅助诊断和脑疾病的研究.

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	王昕璨	太原理工大学艺术学院	6	3	1.0	1.0
3	李瑶	太原理工大学信息与计算机学院	13	127	3.0	11.0
4	李舒婷	太原理工大学信息与计算机学院	1	0	0.0	0.0
5	赵云芃	太原理工大学艺术学院	4	1	1.0	1.0