论文部分内容阅读
利用静息态功能磁共振成像技术来研究大脑的功能连接网络是当前脑疾病研究的重要方法之一。这种方法能准确地诊断包括抑郁症在内的各种脑神经疾病。然而,传统的功能连接网络一贯忽略了大脑区域之间功能连接的动态变化。同时,现有的研究和方法也缺乏对大脑区域之间功能连接的关联程度的研究,忽视了其中可能包含的用于疾病诊断的重要信息。之前有研究提出了构建高序功能连接网络的方法,将时变特性考虑到了固有的功能连接网络构建中,并使用了聚类的方式降低计算的复杂性。然而,初始聚类中心选择的随机性和聚类得到的簇的个数对分类结果有较大的影响,同时,构建的网络也缺乏神经学的可解释性。为了解决这些问题,本文提出了一种构建最小生成树高序功能连接网络的方法。本文主要创新工作如下:第一,针对Chen等人提出的高序功能连接网络无法有效的进行生理学解释的问题,改进了高序功能连接网络的构建方法。第二,提出了一种构建最小生成树高序功能连接网络的方法,通过最小生成树这一无偏方法,简化了高序功能连接网络的结构,保留了网络核心框架,在不丢失时间序列动态特性的同时,保证了网络在神经学上的可解释性,研究了网络中更深层次的交互信息,且保证了分类的准确率。第三,提出了基于两两冗余分析的Relief特征选择方法,去除了Relief特征选择算法得到的特征集合中的冗余特征,得到最优特征子集。第四,提出了多参数寻优的框架,通过该框架能够得出最优的参数组合,并且防止过拟合,提高分类器的泛化性能,使特征选择和分类结果更加精确有效。本文提出了一种构建最小生成树高序功能连接网络的方法,通过最小生成树这一无偏方法,简化了高序网络的结构,保留了网络核心框架,在不丢失时间序列动态特性的同时,保证了网络在神经学上的可解释性,研究了网络中更深层次的交互信息,且保证了分类的准确率。同时,本文提出了多参数寻优的框架,从最小生成树高序功能连接网络中选择重要的特征并进行分类。分类结果显示,基于最小生成树高序功能连接网络的静息态功能磁共振成像分类方法大大提高了抑郁症诊断的准确率。