加权Fast Newman模块化算法在人脑结构网络中的应用

发布时间：2017-12-22 16:30

  本文关键词：加权Fast Newman模块化算法在人脑结构网络中的应用　出处：《计算机应用》2016年12期 　论文类型：期刊论文

  更多相关文章： 模块结构 Fast Newman算法 加权网络 模块度 人脑结构网络

【摘要】：针对二值人脑结构网络的模块化方法不足以反映复杂的人脑生理特征这一问题,提出一种基于Fast Newman二值算法的加权脑网络模块化算法。该算法以凝聚节点的层次聚类思想为基础,以脑网络中单个脑区节点的权重值和脑网络总权重值为主要依据构建加权模块度评价指标,并将其增量作为度量值来确定加权脑网络中节点的合并从而实现模块划分。将该算法应用于60个健康人的组平均数据中的实验结果显示,与二值人脑网络模块化结果相对比,所提算法得到的模块度提高了28%,并且模块内部和模块外部的特征区分更加明显,所得到的人脑模块也更符合已知的人脑生理特性;而与现有的两种加权模块化算法实验对比结果表明,所提算法在合理划分人脑网络模块结构的同时也小幅提高了模块度。
【作者单位】： 昆明理工大学信息工程与自动化学院;
【基金】：国家自然科学基金资助项目(61263017) 云南省自然科学基金资助项目(2011FZ060)~~
【分类号】：R338;TP301.6
【正文快照】： 0引言人脑是自然界最复杂的系统之一,负责人体的感知觉、语言、思维、情感、运动等各种功能和活动,科研工作者一直致力于使用各种新技术来研究和探索人脑的工作原理和运行机制。近年来基于核磁共振成像(Magnetic Resonance Imaging,MRI)的人脑结构重建技术[1]因其无创性的检测，

本文编号：1320171