拓扑数据分析在复杂脑网络分析中的应用

发布时间：2022-02-18 19:29

　　针对复杂脑网络分析中网络结构变化阈值选择中没有公认的标准确定合适阈值这一问题,基于拓扑分析中的持续同调性理论,本文提出一种多尺度大脑网络建模分析方法,该方法在大脑全尺度距离范围之内,通过不断增加阈值,运用Rips过滤算法捕获网络的动态持续拓扑特征,并用条形码和持续图对拓扑特征可视化,最后通过计算持续图之间的Bottleneck距离和Wasserstein距离分析持续特征的稳定性。实验结果表明,该方法能更准确地提取大脑网络的拓扑结构特征并提高诊断分类的准确性。 

【文章来源】：宇航计测技术. 2020,40(05)CSCD

【文章页数】：8 页

【文章目录】：
1 引言
2 拓扑分析持续同调性理论
3 基于PH的全尺度脑网络分析模型
    3.1 构造邻接矩阵
    3.2 构造大脑网络复形
        3.2.1 过滤阈值ε的选择
        3.2.2 过滤算法的选择
    3.3 持续拓扑特征的可视化
    3.4 持续拓扑特征的稳定性分析
4 实验及分析
    4.1 实验数据及预处理
    4.2 基于PH的邻接矩阵构建
    4.3 构造精神分裂症WM数据的单纯复形
    4.4 精神分裂症WM持续拓扑特征
    4.5 精神分裂症WM持续拓扑特征稳定性分析
    4.6 结果分析
5 结束语



本文编号：3631417