换一批基于稀疏功能连接及非负矩阵分解的阿尔兹海默症分类方法
Alzheimer's disease classification based on sparse functional connectivity and non-negative matrix factorization
摘要为了获得更具神经生理学意义的分类特征,提出了基于稀疏功能连接及非负矩阵分解的阿尔兹海默症分类方法.该方法基于功能核磁共振信号,采用非负自适应稀疏表示法计算脑区间的稀疏功能连接,以提取分类特征.然后,采用稀疏非负矩阵分解法进行特征降维,以获得具有明确物理意义的低维特征.实验结果表明该方法的分类准确率、灵敏度和特异度均优于其他对比方法.此外,发现了默认模式网络、基底神经节-丘脑-边缘结构网络及颞叶-脑岛网络在阿尔兹海默症病人和健康被试间具有明显差异.此方法能够有效地对阿尔兹海默症进行识别,同时具有加深对该病症功能病变理解的潜力.
更多相关知识
关键词
阿尔兹海默症稀疏表示非负矩阵分解功能连接Alzheimer's diseasesparse representationnon-negative matrix factorizationfunctional connectivity
分类号
R318（医用一般科学）
DOI
10.3969/j.issn.1003-7985.2019.02.001
发布时间
2019-08-08（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
