| 轻度认知障碍磁共振信号中固有频率动态功能性连接的聚类研究 |
| |
| 引用本文： | 李栋,吴海锋,保涵,马佳,曾玉. 轻度认知障碍磁共振信号中固有频率动态功能性连接的聚类研究[J]. 数据采集与处理, 2022, 37(4): 798-813 |
| |
| 作者姓名： | 李栋 吴海锋 保涵 马佳 曾玉 |
| |
| 作者单位： | 1.云南民族大学电气信息工程学院， 昆明 650500;2.云南省高校智能传感网络及信息系统创新团队， 昆明 650500 |
| |
| 基金项目： | 国家自然科学基金(62161052)；云南省高校科技创新团队。 |
| |
| 摘 要： | 功能性连接（Functional connectivity,FC）可以表示脑区的协同工作能力，目前广泛采用动态功能性连接（Dynamic functional connectivity,DFC）和聚类分析相结合的方法研究疾病的显著性差异分析和分类。但现有研究，对于聚类个数的确定和聚类结果选用并没有明确的标准，且传统的DFC无法表示不同频率的FC信息。因此，本文对轻度认知障碍（Mild cognitive impairment,MCI）磁共振信号中固有频率DFC聚类问题进行研究。首先对被试的时间进程（Time course,TC）数据做噪音辅助的多元经验模态分解并计算DFC；然后通过评判辅助的聚类方法做聚类分析，再采用最小二乘对聚类结果做拟合；最后采用分类器做分类。实验采用阿尔茨海默病神经影像学（Alzheimer’s disease nearoimaging,ADNI）数据库的数据对本文算法进行测试。实验结果表明，有监督聚类分类准确率高于无监督聚类；引入固有频率的DFC分类准确率要高于传统的DFC；最小二乘拟合能提升分类准确率。
|
| 关 键 词： | 磁共振成像 经验模态分解 最小二乘 动态功能性连接 K-均值 |
| 收稿时间： | 2022-02-08 |
| 修稿时间： | 2022-06-10 |
Clustering Related Factors of Intrinsic Frequency Dynamic Functional Connection in MRI Signal of Mild cognitive Impairment |
| |
| LI Dong,WU Haifeng,BAO Han,MA Ji,ZENG Yu. Clustering Related Factors of Intrinsic Frequency Dynamic Functional Connection in MRI Signal of Mild cognitive Impairment[J]. Journal of Data Acquisition & Processing, 2022, 37(4): 798-813 |
| |
| Authors: | LI Dong WU Haifeng BAO Han MA Ji ZENG Yu |
| |
| Affiliation: | 1.School of Electrical and Information Technology, Yunnan Minzu University, Kunming 650500, China;2.Intelligent Senor Network & Information System Innovative Research Team in Science and Technology in University of Yunnan Province, Kunming 650500, China |
| |
| Abstract: | |
| |
| Keywords: | magnetic resonance imaging empirical model decomposition least square dynamic functional connectivity K-means |
|
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
