基于频率排序的判别子图筛选及 在精神分裂症分类中的应用

• 作者: 杨鹏飞 薛家玥 王彬 武淑红
• 来源期刊: 太原理工大学学报
• 关键词: 精神分裂症 结构和功能网络 特征选择 判别子图 分类
• 年，卷（期）: 2024,（5）
• 页码范围: 86-92
• 页数: 7页
• 语种: 中文
• DOI: 10.16355/j.tyut.1007-9432.2023.05.012

摘要

[目的]从脑网络中提取准确的判别性特征作为分类特征,可以提高 SCZ 的分类准确率,避免依靠量表的主观诊断造成缺陷.传统的脑网络特征如介数、聚类系数等丢失了拓扑信息,最小生成树丢失了部分脑区连接,子图虽然保留了拓扑信息,但传统的判别子图的筛选会产生部分冗余信息,进而影响分类准确率.[方法]提出一种基于频率排序的判别子图的筛选方法(fre-quently scoring screen,FSS),使用 FSS 筛选判别子图,在不损失原有判别信息的情况下,消除冗余信息.使用 OpenfMRI 的公开数据,对比了使用不同特征和不同分类算法的分类性能.[结果]FSS 特征的分类性能优于其他传统脑网络特征,且该特征不受分类算法影响,分类准确率优于已有SCZ 分类文献.