面向阿尔茨海默病的脑网络多频融合图核

• 作者: 信俊昌 汪新蕾 王中阳 王之琼 谷峪
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 阿尔茨海默病 功能磁共振成像 脑功能网络 多频融合图核 核极限学习机
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 智能图像处理
• 页码范围: 64-77
• 页数: 14页
• 分类号: TP391
• 字数: 10571字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2020.00064

摘要

复杂网络分析与机器学习方法相结合的阿尔茨海默病辅助诊断研究受到了越来越多的关注,其通常采用脑功能网络的方法来描述大脑活动的信息.然而,现有的成果大多基于时域信号匹配构建脑功能网络,忽略了脑活动信息在各个频段下的差异.因此,本文提出了脑网络多频融合图核的阿尔茨海默病诊断方法.首先,将功能磁共振成像产生的图像通过小波变换的方法进行分频段处理;其次,分别计算得到的各频段图像中任意两个脑区间的互信息,并设定阈值与互信息值进行比较进而构造出多频脑网络模型;然后,基于此提出面向多频脑网络模型的融合图核;最后,基于多频融合图核、采用核极限学习机在ADNI(Alzheimer's Disease Neuroimaging Initiative)公开数据库中获取的一组数据以及在OASIS(Open Access Series of Imaging Studies)公开数据库上获取的一组数据进行阿尔茨海默病的诊断.同时,还通过实验验证了不同参数设置对诊断结果的影响.两组数据集的实验结果表明,提出的多频融合图核的辅助诊断方法能够取得最佳性能,且该方法的辅助诊断准确率在两种数据集上比对比方法的最好结果分别提高了13.79％和15.29％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王之琼	东北大学医学与生物信息工程学院	17	96	5.0	9.0
3	谷峪	东北大学计算机科学与工程学院	43	456	10.0	20.0
4	信俊昌	东北大学计算机科学与工程学院	25	134	7.0	11.0
5	汪新蕾	东北大学计算机科学与工程学院	1	0	0.0	0.0
11	王中阳	东北大学医学与生物信息工程学院	1	0	0.0	0.0