基于最小生成树的多特征融合的脑网络分类研究

摘要

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.