计算机应用

作者：吴浩, 王昕璨, 李欣芸, 刘志芬, 陈俊杰, 郭浩

单位：1. 太原理工大学 信息与计算机学院, 山西 晋中 030600;2. 太原理工大学 艺术学院, 山西 晋中 030600;3. 山西医科大学第一医院 精神卫生科, 太原 030000

关键词：多层次模板,功能脑网络,关系诱导稀疏,机器学习,抑郁症

基金：国家自然科学基金资助项目（61672374，61741212，61876124，61873178）；山西省科技厅应用基础研究项目青年面上项目（201601D021073）；山西省教育厅高等学校科技创新研究项目（2016139）；教育部赛尔网络下一代互联网技术创新项目（NGII20170712）；国家留学基金资助出国留学项目（201708140216）。

基于单一脑图谱模板的功能连接网络中提取的特征表示不足以揭示患者组和正常对照组（NC）之间的复杂拓扑结构差异，而传统的基于多模板的功能脑网络定义多采用独立模板，缺乏模板间的关联，从而忽略了各模板构建的功能脑网络中潜在的拓扑关联信息。针对上述问题，提出了一种多层次脑图谱模板和一种使用关系诱导稀疏（RIS）特征选择模型的方法。首先定义了具有关联的多层次脑图谱模板，挖掘模板之间潜在关系和表征组间网络结构差异；然后用RIS特征选择模型进行参数优化，进而提取组间差异特征；最后利用支持向量机（SVM）方法构建分类模型，并应用于抑郁症患者的诊断。在山西大学第一医院抑郁症临床诊断数据库上的实验结果显示，基于多层次模板的功能脑网络通过使用具有RIS特征的选择方法取得了91.7%的分类准确率，相比传统多模板方法的准确率提高了3个百分点。

来源：2019年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第7期