脑功能网络的fMRI特征提取及脑部疾病机器识别.pdf

《脑功能网络的fMRI特征提取及脑部疾病机器识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第10卷第2期智能系统学报Vo1．10№．22015年4月CAAITransactionsonIntelligentSystemsApr．2015DOI：10．3969／j．issn．1673—4785．201312043网络出版地址：http：／／www．cnki．net／kcms／detail／23．1538．TP．20150302．1106．002．html脑功能网络的fMRI特征提取及脑部疾病机器识别黄嘉爽，梅雪，袁晓龙，李振华(南京工业大学自动化与电气工程学院，江苏南京211816)摘要：脑部疾病的机器识别是医学图像领域研究的热点。传统的功能磁共振图像研究方法大多

2、只针对部分脑区。考虑到脑功能网络具有全局性的特征，利用静息态功能磁共振图像数据，在全脑范围内使用极大重叠离散小波变换，分别构建加权和无权脑功能网络，运用复杂网络理论对网络结构进行分析研究，提取网络聚集系数作为分类识别的特征分量。将该文方法用于对精神分裂症患者的识别，由识别率、灵敏度、特异度表明，该方法能够提高识别效果，且具有普遍适应性，能推广到其他脑部疾病的机器识别应用中。关键词：功能磁共振图像；精神分裂症；复杂网络理论；特征提取；脑部疾病；机器识别中图分类号：TP391．4文献标志码：A文章编号：1673—4785(2015)02—0248—07中文引用格式：黄嘉爽，梅雪

3、，袁晓龙，等．脑功能网络的fMRI特征提取及脑部疾病机器识别[J]．智能系统学报，2015，10(2)：248—254．英文引用格式：HUANGJiashuang。MEIXue，YUANXiaolong，eta1．FMRIfeatureextractionandidentificationofbraindiseasesbasedonthebrainfunctionalnetwork[J]．CAAITransactionsonIntelligentSystems。2015。10(2)：248-254．FMRIfeatureextractionandidentification

4、ofbraindiseasesbasedonthebrainfunctionalnetworkHUANGJiashuang，MEIXue，YUANXiaolong，LIZhenhua(CollegeofAutomationandElectricalEngineering，NanjingUniversityofTechnology，Nanjing211816，China)Abstract：Themachinerecognitionofbraindiseasesisahotspotissueinthefieldofmedicalimages．However，tra—dition

5、alfMRIimageanalysisonlytreatspartofthebrainregion．Consideringtheoverallcharacteristicsofthebrainnetwork，themaximalovedapdiscretewavelettransformisusedtoconstructweightedandbinarynetworksbasedontherest—fMRIdata．Thecomplexnetworkstheoryisappliedtothenetworkstructureanalysis．Finally，thecluste

6、ringcoeficientofthenetworkisextractedasthecharacteristiccomponentofclassificationidentification，whichallowedtheseparationofschizophreniapatientsfromnormalcontrolsubjeets．Thismethodisappliedtotherecognitionofschizophreniainthispaper．Theexperimentalresultsofrecognitionrate，sensitivityandspec

7、ificityshowthatthismethodisabletoimprovetheeffectofrecognitionandhastheuniversaladaptability，whichcanbeextendedtotherecognitionofotherbraindiseases．Keywords：fMRI；schizophrenia；complexnetworktheory；featureextraction；braindisease；machinerecognition近年来，随着静息态功能磁共振