基于多特征融合的重叠组套索脑功能超网络构建及分类

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％.

关键词：抑郁症、功能超网络、重叠组套索、多特征融合、分类

所属期刊栏目：49

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;国家自然科学基金;山西省科技厅重点研发计划

在线出版日期：2022-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：206-211