基于多层次模板的脑功能网络特征选择及分类

基于单一脑图谱模板的功能连接网络中提取的特征表示不足以揭示患者组和正常对照组(NC)之间的复杂拓扑结构差异,而传统的基于多模板的功能脑网络定义多采用独立模板,缺乏模板间的关联,从而忽略了各模板构建的功能脑网络中潜在的拓扑关联信息。针对上述问题,提出了一种多层次脑图谱模板和一种使用关系诱导稀疏(RIS)特征选择模型的方法。首先定义了具有关联的多层次脑图谱模板,挖掘模板之间潜在关系和表征组间网络结构差异;然后用RIS特征选择模型进行参数优化,进而提取组间差异特征;最后利用支持向量机(SVM)方法构建分类模型,并应用于抑郁症患者的诊断。在山西大学第一医院抑郁症临床诊断数据库上的实验结果显示,基于多层次模板的功能脑网络通过使用具有RIS特征的选择方法取得了91.7%的分类准确率,相比传统多模板方法的准确率提高了3个百分点。