论文研究-基于最小生成树的多特征融合的脑网络分类研究.pdf下载

针对传统图论方法设置阈值等问题，采用最小生成树方法进行脑网络的构建。传统的分类方法是从脑网络中提取一些可量化指标用于分类，忽视了多个脑区之间的拓扑信息。针对此问题，提出了一种脑区特征与连接模式相结合的多特征融合的分类方法，利用不同类型的特征来量化不同的网络性能。结果表明，抑郁症患者的最小生成树更趋向于随机网络，且局部属性出现显著异常的脑区集中在边缘系统—皮层—纹状体—苍白球—丘脑神经环路（limbic-cortical-striatal-pallidal-thalamic，LCSPT）。此外，与单一类型特征的分类方法相比，多特征融合的方法能够有效地提高分类精度。进一步分析表明，最小生成树方法可用于抑郁症的辅助诊断，不同形式的特征表示方法具有信息描述方面的互补性。