基于谱聚类的MCI功能影像分类特征选择研究  

Classification feature selection of MCI functions image based on spectral clustering

作　　者：赵冬琴[1] 相洁[1,2] 

机构地区：[1]太原理工大学计算机科学与技术学院,山西太原030024 [2]北京工业大学国际WIC研究院,北京100000

出　　处：《计算机工程与设计》2014年第4期1379-1384,共6页Computer Engineering and Design

基　　金：国家自然科学基金项目(61070077;61170136);山西省自然科学基金项目(2010011020-2;2011011015-4);北京市博士后工作经费基金项目(Q6002020201201)

摘　　要：为有效提取轻度认知障碍患者发生病变的特征、解决传统聚类方法在BOLD-fMRI数据特征提取中存在的不足,提出了改进的谱聚类方法。采用改进的谱聚类方法对fMRI数据进行聚类、提取模式特征,使用该特征对MCI和正常人进行分类研究,正确率达到了82%,且存在异常模式的脑区大多属于MCI患者的关键脑区。实验结果表明,谱聚类可以应用于BOLD-fMRI特征提取,为今后MCI辅助诊断模型提供了一定的研究基础。To extract the appropriate features from patients of magnetic resonance imaging and solve the deficiencies of traditional clustering methods on feature extraction of the BOLD-fMRI data, an improved spectral clustering method is put forward. An im- proved spectral clustering technique is used to cluster the fMRI data, extract feature mode, and classify subjects of MCI and nor- mal, the correct rate reaches 820/oo. Furthermore, the abnormal patterns of brain areas mostly exist in key brain areas of MCI. The results show that spectral clustering can be applied to BOLD-fMRI feature extraction, which provides a foundation for future research of MCI diagnosis model.

关 键 词：轻度认知障碍 谱聚类 BOLD变化率 体素 SVM分类 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]