您当前的位置： 首页 > 论文 > 2020,51(04) > 信息与计算机
基金项目:
国家自然科学基金(61873178,61876124,61503272);山西省重点研发计划国际科技合作项目(201803D421047);山西省自然科学基金(201801D121135);青年科技研究基金(201701D221119)
分类号:
R749.1;TP181
DOI:
10.16355/j.cnki.issn1007-9432tyut.2020.04.008
期刊号:
2020,51(04)
收稿日期:
修回日期:
| 通讯作者 | 单位 |
| 高原 | 太原理工大学信息与计算机学院 |
摘要:
轻度认知障碍(mild cognitive impairment,MCI)发展成为阿尔茨海默病(alzheimer’s disease,AD)的概率极高,因此对于MCI的早诊尤为重要。本研究首次选取模块桥梁连接数作为分类特征,精确直观地反映出各功能脑区连接的异常损失。首先利用“堆结构”的贪婪算法模块化MCI和正常人(normal control,NC)的静息态功能脑网络,之后根据连接介数中心性去除网络中冗余功能连接,选取模块间与模块内桥梁连接数作为分类特征。该研究利用支持向量机对NC和MCI进行识别,平均分类正确率达92.89%,且统计分析显示两组被试在模块内及模块间的桥梁连接数有明显差异,其中默认网络、边缘系统的差异最为显著,这与先前研究基本一致。
关键字:
轻度认知障碍;功能磁共振影像;社团结构;桥梁连接;支持向量机;分类;