一种面向脑疾病分类的模块化特征选择方法

摘要

本发明公开了一种面向脑疾病分类的模块化特征选择方法(Modular‑LASSO Feature Selection，简称MLFS)，包括以下步骤：对功能磁共振图像进行预处理并将将大脑划分为预先指定的脑区；提取所有脑区对应的平均时间序列并构建功能脑图；利用有符号的谱聚类算法搜索模块化结构信息；通过基于模块化的group LASSO方法选择判别性特征；使用支持向量机(SVM)进行分类。本发明实施例可以明确地利用模块化信息来识别脑图中的判别性特征，并用于脑疾病分类，对研究大脑的认知功能障碍具有一定的参考价值。