基于多尺度脑网络局部特征的抑郁症分类

作     者：曹敏娜 陈俊杰 郭浩 CAO Min-na;CHEN Jun-jie;GUO Hao

作者机构：太原理工大学计算机科学与技术学院山西晋中030600 

基　　金：国家自然科学基金项目(61373101 61472270 61402318) 教育部高等学校博士学科点专项科研基金项目(20131402110006) 太原理工大学青年基金项目(2012L014 2013T047) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2018年第39卷第12期

页      码：3712-3716页

摘      要：为克服传统使用单一尺度的脑网络特征进行精神疾病分类的局限性,提升抑郁症临床诊断率,对使用静息态功能磁共振成像数据得到的多尺度脑网络局部特征分类进行研究。通过将影像划分为不同规模的区域,构建不同尺度的脑网络;在利用统计分析对不同尺度网络下的局部属性进行特征选择的基础上,用支持向量机对抑郁症患者与正常被试进行分类并验证尺度的影响因素。实验结果表明,小尺度脑网络的分类准确率高于大尺度分类准确率,尺度减小带来有效特征数的提升会影响分类结果,进一步验证了尺度划分在脑网络数据分类中的重要性。

主 题 词：抑郁症 功能磁共振成像 脑网络 多尺度 特征选择 支持向量机 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2018.12.020

馆 藏 号：203430219...