基于机器学习的静息态人脑功能活动差异的分类研究

发布时间：2025-03-15 00:42

　　 本研究在睁眼(eyes-open,EO)和闭眼(eyes-closed,EC)两种静息态下提取了45位健康被试的脑功能参数比率低频振幅(fractional amplitude of low frequency fluctuation,fALFF)和局部一致性(regional homogeneity,ReHo)数据,比较并分析了基于线性核的支持向量机(SVM)、基于RBF核的支持向量机、朴素贝叶斯、决策树、随机森林和自适应增强(Adaboost)6种机器学习方法在数据上的分类效果.实验表明,对单一特征数据分类时,朴素贝叶斯算法对fALFF数据的分类效果最好,线性核的SVM算法对ReHo数据的分类效果最好;对fALFF和ReHo数据相融合的多层次特征数据分类时,朴素贝叶斯算法的分类效果最好.此外,本研究对单一特征数据与多层次特征数据在6种机器学习方法上进行分类比较,结果表明利用多层次特征数据时,基于RBF核的SVM,朴素贝叶斯和随机森林算法的分类效果有所提升.本研究基于不同机器学习方法和不同层次特征数据的分类比较,为EO和EC静息态脑功能活动和其他脑病理的研究提供了相关的参考依据.

【文章页数】：8 页

【部分图文】：

图1 fALFF指标下EO与EC静息态的脑功能活动差异图

3.1fALFF和ReHo特征提取结果fALFF指标下,在小脑后叶,右侧枕中回和右侧距状裂周围皮层等脑区,EO静息态下的fALFF值明显比EC静息态高;而在右侧中央后回和右侧补充运动区等脑区,EO静息态下的fALFF值则明显比EC静息态低,如图1和表1所示.小脑是运动的重要调节....

图2 ReHo指标下EO与EC静息态的脑功能活动差异图

表1fALFF指标下EO与EC静息态的脑功能活动差异Tab.1DifferenceofbrainfunctionalactivitybetweenEOandECrestingstatewithfALFF脑区体素数T值峰值的MNI坐标X....

图3 单一特征数据与多层次特征数据分类准确率比较图

表5多层次特征数据的分类结果Tab.5Classificationresultsofmulti-levelfeaturedata分类器准确率/%召回率/%精确率/%线性核SVM89.7588.0092.67RBF核SVM91.2588.509....

本文编号：4034880