时变特性的人脑超网络构建方法及其分类

摘要

脑网络已在神经成像领域内得到广泛的应用。近年来,高阶功能连接网络和超网络在脑疾病诊断方面取得了较大的进步。然而,两种网络均存在相应的问题:高阶功能连接网络虽然考虑了网络的时变特性,但并不能处理网络中的空间多元交互问题;而超网络虽然可以表征多个大脑区域之间的相互关系,但并未考虑网络的动态特性。为了解决以上问题,融合了高阶功能连接网络和超网络的特性,提出一种具有时变特性的脑功能超网络的构建方法。该方法在考虑到脑网络时间动态性的基础上,基于最小绝对值收敛和选择算子(least absolute shrinkage and selection operator,LASSO)方法进行脑功能超网络构建,并将该网络应用至脑疾病诊断中。该网络消除了上述两个网络的弊端,结果表明,该方法的分类准确率达到86.36%,显著高于之前所提出的方法,能有效提高抑郁症的分类表现,具有重要的理论意义和临床价值。