基于多特征融合的重叠组套索脑功能超网络构建及分类

• 作者: 李鹏祖 李瑶 Ibegbu Nnamdi JULIAN 孙超 郭浩 陈俊杰
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 抑郁症 功能超网络 重叠组套索 多特征融合 分类
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 206-211
• 页数: 6页
• 分类号: TP181
• 语种: 中文
• DOI: 10.11896/jsjkx.210300049

摘要

脑功能超网络的研究对脑疾病的准确诊断具有重要作用,目前已经有多种超网络的构建方法被应用于脑疾病的分类研究,但这些方法均未考虑到组间的重叠性问题.研究证明,组间的重叠性可能会对相关超网络模型的构建及构建后的分类应用产生影响,因此若仅使用非重叠组结构会限制其在超网络中的适用性.针对已应用于脑疾病分类研究的超网络构建方法在构建超网络模型时未考虑到分组之间的部分重叠性问题以及特征提取阶段的属性单一性问题,提出将多特征融合分析的重叠组套索方法应用于超网络的构建,并将其应用于抑郁症的诊断.结果表明,无论是在纯聚类系数属性下还是在多特征融合分析下,重叠组套索方法的分类性能较其他已有方法均有提高;在重叠组套索方法下,采用多特征融合分析较仅使用聚类系数属性分析获得了更高的分类准确率,达到了87.87％.