| 多节点规模下的抑郁症功能脑网络分类研究 |
| |
| 引用本文： | 程忱,郭浩,陈俊杰.多节点规模下的抑郁症功能脑网络分类研究[J].计算机科学,2016,43(7):265-267, 284. |
| |
| 作者姓名： | 程忱 郭浩 陈俊杰 |
| |
| 作者单位： | 太原理工大学计算机科学与技术学院 太原030024,太原理工大学计算机科学与技术学院 太原030024,太原理工大学计算机科学与技术学院 太原030024 |
| |
| 基金项目： | 本文受国家自然科学基金项目(61170136,61373101,61472270,61402318),太原理工大学青年团队启动基金项目(2013T047)资助 |
| |
| 摘 要： | 脑网络作为复杂网络分析方法在神经影像领域的应用已得到广泛的认可。研究发现脑网络中的节点规模对网络的拓扑属性会产生重要的影响。利用静息态功能影像数据,在5种不同的节点规模下分别完成抑郁症患者和正常对照的脑网络构建,比较了网络拓扑属性的变化,并选择了4种不同的分类算法进行脑疾病分类研究。结果表明,网络节点数量不仅对拓扑属性产生了影响,而且对分类模型的构建也有直接作用。支持向量机(RBF核函数)模型在节点规模为250时,分类效果最好,平均正确率为83.18%。该研究结果在抑郁症的临床诊断中具有重要的应用价值,为基于脑网络的机器学习分类研究在网络节点规模的选择上提供了重要的参考依据。
|
| 关 键 词： | 脑网络 拓扑属性 节点规模 机器学习 抑郁症 |
| 收稿时间： | 6/3/2015 12:00:00 AM |
| 修稿时间： | 2015/9/25 0:00:00 |
Classification of Multi-scale Functional Brain Network in Depression |
| |
| CHENG Chen,GUO Hao and CHEN Jun-jie.Classification of Multi-scale Functional Brain Network in Depression[J].Computer Science,2016,43(7):265-267, 284. |
| |
| Authors: | CHENG Chen GUO Hao and CHEN Jun-jie |
| |
| Affiliation: | College of Computer Science and Technology,Taiyuan University of Technology,Taiyuan 030024,China,College of Computer Science and Technology,Taiyuan University of Technology,Taiyuan 030024,China and College of Computer Science and Technology,Taiyuan University of Technology,Taiyuan 030024,China |
| |
| Abstract: | |
| |
| Keywords: | Brain network Topological properties Node scale Machine learning Depression |
|
|
点击此处可从《计算机科学》下载全文 |
|
