换一批
换一批摘要脑功能网络是了解大脑工作机制、诊断脑疾病以及发现相关生物标识物的重要工具.在过去几十年,许多构建脑功能网络的方法被相继提出,比如Pearson相关及稀疏表示.然而,这些方法仅仅编码了脑区间的直接关系(低阶关系),而这些关系间的关系即网络的高阶关系却容易被忽略.事实上,大脑是个复杂的网络,脑区间的高阶关系更容易捕获大脑的全局结构信息,以及脑区间的互补信息.为此,本文试图尝试构建高阶脑功能网络.具体研究内容和结果如下:<br> 1.基于连续多次Pearson相关的高阶脑功能网络学习.已有文献表明,通过两次连续的Pearson相关构建高阶脑功能网络的方法能够为组间差异分析提供额外信息.这启发作者继续进行相关操作探究更高阶相关的特点和性质.因此,作者将构建的高阶脑网络序列进行脑疾病和性别的识别实验.通过实验,得到以下发现:(1)随着Pearson相关操作的增加,高阶脑功能网络的辨别力逐渐减弱,同时这些脑网络序列最终会收敛;(2)高阶与低阶脑功能网络信息融合有利于提高对轻度认知障碍辨识的敏感性.<br> 2.基于符号随机游走(SRW)的高阶脑功能网络学习.传统方法构建的脑功能网络只捕获脑区间的直接连接强度即低阶关系,而全局网络结构等高阶信息往往被忽视.为了解决这一问题,作者引入了符号随机游走SRW构建高阶脑功能方法来获取全局网络结构特征.该方法不仅能够获得全局的网络结构,而且自然的考虑到了大脑功能连接中的正负边权问题,并基于结构平衡原理合理处理了脑区与脑区之间的协作或抑制关系.为了验证提出方法的有效性,作者进行了轻度认知障碍的分类实验,实验结果表明提出的方法在分类精度、灵敏度、特异性等性能评价指标上优于基准方法.
更多相关知识
- 浏览3
- 被引1
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
