MCI患者高阶动态功能连接的图论网络构建方法及分类

针对在低阶脑网络应用图论忽视了功能连接高阶动态性的问题,提出了一种基于高阶动态功能连接的图论网络构建方法(GNC-HodFC),提取高阶FC网络的图论特征以对轻度认知障碍患者和健康被试者进行差异性分析及分类。首先定义了表征高阶动态脑网络连接的图论节点和边;然后利用滑动窗相关技术提取低阶功能连接信息,提出平稳性判据,选取最优特征子集以构建图论的节点;最后提出自适应阈值策略对高阶动态功能连接信息进行选取以构建图论的边,最终完成高阶动态脑网络的图构建。实验结果表明,GNC-HodFC的平均分类准确率可以达到70.5%,优于其他三种对比方法,且患者组和健康组的图论特征中存在显著性差异,GNC-HodFC方法可以为轻度认知障碍的诊断提供新的辅助手段。

轻度认知障碍功能连接的频率和聚类分析

传统计算功能性连接(FC)的方法较少关注对应的频率信息,且所得聚类簇的生理意义存在争议,提出一种小波相干聚类方法。首先,采用小波相干研究FC的频率、相位差和时间差信息;其次,定义四种类型以明确聚类簇的生理意义;最后,采用K-means和欧氏距离判决相结合的方法寻找MCI和正常对照(NC)的簇间差异性。实验结果表明,type2中最大频率约0.11 Hz,最大时间差约46.33 ms,type1中最大频率约0.08 Hz,最大时间差约67.01 ms,两者间频带、相位差和时间差异度分别约为0.02 Hz、0.49 rad和20 ms。分析表明,在较大相干值时MCI则更多表现出小的相位差和时间差,且发生在较高频带slow4-3和slow4-4上;NC被试更多表现出大的相位差和时间差,且发生在较低频带slow4-1和slow4-2上。

伪RFID标签信号的谱熵特征提取与选择

为解决RFID通信安全问题,本文提出一种新的物理层标签防伪技术,该技术对原始信号进行信号分离得到期望、噪音和标准化信号,然后对3种信号的谱熵特征进行特征提取,最后利用特征选择实现真伪标签分类。另外,本文还提出了一种新的交叉验证来客观测试物理层方法的性能。结果表明,本文方法准确率比传统方法提升近4%,在新交叉验证下,物理层方法的分类准确率会下降8%~10%,由此本文得到重要结论,在物理层识别方法中利用谱熵特征实现标签防伪有着重要意义。