-
题名基于高阶最小生成树脑网络的多特征融合分类方法
被引量：1
- 1
-
-
作者
秦梦娜
陈俊杰
郭浩
-
机构
太原理工大学计算机科学与技术学院
-
出处
《计算机科学》
CSCD
北大核心
2018年第7期293-298,314,共7页
-
基金
国家自然科学基金(61373101
61472270
+3 种基金
61402318
61672374)
山西省科技厅应用基础研究项目青年面上项目(201601D021073)
山西高等教育机构科技创新项目(2016139)资助
-
文摘
现有的基于脑疾病的分类方法的研究使用的都是传统的低阶功能连接网络。低阶功能连接网络可能会忽略复杂的大脑区域之间动态的相互作用的模式。高阶功能连接网络能够反映网络中包含的丰富的动态时间信息,但原有的高阶功能连接网络使用聚类的方法降低了数据维度,使得构建的网络无法进行有效的神经学解释;其次,高阶功能连接网络由于规模较大,在利用复杂网络或图理论计算一些拓扑指标时消耗较大。基于此,提出了一种高阶最小生成树网络的构建方法,然后计算了传统的可量化网络指标(度和离心率)并结合频繁子图挖掘技术来挖掘具有判别能力的子网络,最后采用多核支持向量机进行分类。实验结果表明所提方法的分类精确度高达97.54%,获得了很好的分类性能。
-
关键词
低阶功能连接网络
高阶功能连接网络
最小生成树
频繁子图
-
Keywords
Slow-order functional connectivity network
High-order functional connectivity network
Minimum spanning tree
Frequent subgraph
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于独立成分的加权高阶脑网络的分类方法
- 2
-
-
作者
杨艳丽
李瑶
谷金晔
李欣芸
陈俊杰
-
机构
太原理工大学信息与计算机学院
太原理工大学软件学院
-
出处
《太原理工大学学报》
CAS
北大核心
2018年第5期745-750,共6页
-
基金
国家自然科学基金资助项目(61672374
61741212)
+2 种基金
山西省科技厅应用基础研究项目青年面上项目(201601D021073
201701D221119)
山西省教育厅高等学校科技创新研究项目(2016139)
-
文摘
为了解决传统的磁共振成像数据分类方法正确率较低的问题,提出了一种基于独立成分分析的高阶功能连接网络,使用加权图的频繁子图挖掘和判别性特征选择进行分类研究的方法。该方法不需要依赖先验的脑图谱模板,充分考虑了扫描时间内的时变特性,且将频繁子图挖掘应用到了加权图上。同时为了更准确地找到具有判别性的子图特征,也提出了几种新的判别性特征选择方法。结果发现基于独立成分的加权高阶脑网络的静息态功能磁共振成像分类方法有效地提高了阿尔兹海默症诊断的正确率。
-
关键词
独立成分分析
高阶功能连接网络
加权图
频繁子图挖掘
判别性特征选择
-
Keywords
independent component analysis
high-order functional connectivity network
weighted graphs
frequent subgraph mining
discriminative feature selection
-
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
-
