基于有序模式的腦網(wǎng)絡(luò)分類研究及其應(yīng)用.pdf

1、近年來，隨著醫(yī)學(xué)影像技術(shù)的發(fā)展，基于大腦神經(jīng)影像對腦疾病進(jìn)行分類與分析吸引了大量研究者的關(guān)注。從大腦的醫(yī)學(xué)影像構(gòu)建出的腦網(wǎng)絡(luò)，可以使得研究者從網(wǎng)絡(luò)的角度分析大腦的功能與結(jié)構(gòu)，在最近成為了一個新的研究熱點?；谀X網(wǎng)絡(luò)對腦疾病，例如老年癡呆癥，輕度認(rèn)知障礙，多動癥等進(jìn)行分類，對于腦疾病的自動診斷與分析，具有重要意義，也是本文的主要研究內(nèi)容。具體的，本文的主要研究工作與創(chuàng)新點總結(jié)如下：
　　第一，提出一種新的腦網(wǎng)絡(luò)特征，稱之為有序模式，

2、以及一種頻繁有序模式挖掘算法。有序模式由若干個有權(quán)邊的序關(guān)系構(gòu)成。不同于現(xiàn)存的腦網(wǎng)絡(luò)特征，有序模式同時具有以下兩個優(yōu)點：首先，有序模式直接定義在有權(quán)網(wǎng)絡(luò)上，不需要對原始的有權(quán)腦網(wǎng)絡(luò)進(jìn)行閾值化，從而大大避免了權(quán)值信息的丟失。此外，有序模式包含腦網(wǎng)絡(luò)的局部拓?fù)浣Y(jié)構(gòu)，可以反映大腦的局部子結(jié)構(gòu)異常。進(jìn)一步的，我們提出一種有序模式挖掘算法，該算法利用頻繁有序模式的Apriori性質(zhì)，可以快速地挖掘出在腦網(wǎng)絡(luò)集中頻繁出現(xiàn)的有序模式。頻繁有序模式代表

3、腦網(wǎng)絡(luò)集中普遍存在的信息，在腦網(wǎng)絡(luò)的分析和分析中具有重要意義。在兩個真實的腦疾病數(shù)據(jù)集上，我們驗證了本算法的運行效率。
　　第二，提出一種基于判別性有序模式的腦網(wǎng)絡(luò)分類方法。首先，我們使用Ratio scroe函數(shù)，來衡量頻繁有序模式的判別性，并選擇Ratio scroe得分最高的頻繁有序模式為判別性有序模式。通過判別性有序模式，構(gòu)建出所有樣本的特征矩陣。然后，使用支持向量機作為分類器，完成對腦網(wǎng)絡(luò)的分類。我們使用三個真實的腦網(wǎng)絡(luò)