基于脑功能超网络的多特征融合分类方法

摘要：

针对在超网络上提取局部脑区指标作为特征,忽视了全局的拓扑信息,继而影响网络拓扑的评估,降低分类器性能的问题,提出了一种基于脑功能超网络的多特征融合分类方法,该方法首先在抑郁症数据集上构建超网络,其次将局部脑区特征和子图特征进行融合.最后采用基于多核的SVM分类器进行分类.为了验证所提方法的有效性,选取28例正常被试和38例抑郁症患者进行实验,结果表明,该方法获得了令人满意的分类准确率,平均可达91.60％.获得的异常区域包括左侧舌回、左侧尾状核、左侧丘脑等重要的抑郁症病发区域.故而该基于脑功能超网络的多特征融合分类方法可以有效地用于分类正常人和抑郁症患者.

关键词：功能磁共振影像、超网络、多特征、子图特征、抑郁症

所属期刊栏目：54

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61373101,61472270,61402318,61672374;山西省科技厅应用基础研究项目青年面上项目201601D021073;山西省教育厅高等学校科技创新研究项目2016139

在线出版日期：2018-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：120-127