换一批归一化方法与交叉熵连接在脑疾病分类中的应用
Application of Normalization Method and Cross-entropy Connectivity in Brain Disease Classification
摘要随着静息态功能磁共振成像(resting-state functional magnetic resonance imaging,rs-fMRI)技术在脑连接性的广泛应用,越来越多的研究开始关注如何准确构建脑网络,并将其应用于脑疾病的分类中.归一化被认为是构建脑连接的一个重要步骤,可有助于消除信号幅值差异,但目前关于其在脑网络构建中的应用研究还相对有限.针对该问题提出了一种基于被试者归一化的脑连接方法,在统一被试者间信号幅值差异的同时又保留了脑区间幅值差异.此外,还引入熵来构建连接,通过比较多种交叉熵方法,评估了它们在脑疾病分类任务上的潜力,以期在分析脑连接上提供不同于相关性方法的新视角.实验结果表明:所提的被试归一化的交叉联合熵(cross joint entropy,CJE)具有较高的分类准确率,在精神分裂症(schizophrenia,SCZ)、轻度认知障碍(mild cognitive impairment,MCI)和自闭症谱系障碍(autism spectrum disorder,ASD)3种病症中,比传统归一化的相关性连接方法分别提升了约4％、6％和7％.
更多相关知识
关键词
被试归一化脑连接脑疾病静息态功能性磁共振成像(rs-fMRI)交叉熵subject normalizationbrain connectivitybrain diseasesresting-state functional magnetic resonance imaging(rs-fMRI)cross-entropy
栏目名称
DOI
10.12404/j.issn.1671-1815.2407637
发布时间
2025-12-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（62161052）
云南省教育厅科学研究基金（2024Y432）
- 浏览0
- 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
