基于度中心性的认知特征选择方法

针对大脑图谱认知特征选择的不确定性提出了基于度中心性的认知特征选择方法(DC-CFSM)。首先,基于大脑图谱构建认知实验任务中被试的脑功能网络(FBN),并计算得到FBN每个兴趣点(ROI)的度中心性(DC);其次,统计对比被试相同皮质兴趣点在执行认知任务时不同认知状态间的差异显著性并对其进行排序;最后,根据排序后的ROI计算人脑认知体系曲线下面积(HBCA-AUC)值,并评估几种认知特征选择方法的性能。在心算认知任务功能核磁共振成像(fMRI)数据上进行的实验中,DC-CFSM在人脑认知体系的任务正相关系统(TPS)、任务负相关系统(TNS)及任务支撑系统(TSS)上得到的HBCA-AUC值分别为0.6692、0.3040、0.4685。与极限树、自适应提升、随机森林、极限梯度提升(XGB)等方法相比,DC-CFSM对TPS的识别率分别提高了22.17%、13.90%、24.32%和37.19%,对TNS的误识率分别减小了20.46%、29.70%、44.96%和33.39%。可见DC-CFSM在大脑图谱认知特征的选择上更能反映人脑认知体系的类别和功能。