基于默认网络贝叶斯模型的轻微型肝性脑病的判别方法Discrimination for minimal hepatic encephalopathy based on Bayesian modeling of default mode network

作者：焦蕴; 王训恒; 汤天宇; 朱西琪; 滕皋军

来源：Journal of Southeast University (english Edition), 2015, (4): 582-587.

DOI：10.3969/j.issn.1003-7985.2015.04.026

• 基于图像模型的多元分析
• 贝叶斯模型
• 机器学习
• 功能整合
• 轻微型肝性脑病
• 静息态功能磁共振

为了将轻微型肝性脑病(MHE)患者从正常人中区分出来,首先使用独立分量分析(ICA)从静息态fMRI中提取默认网络(DMN),然后使用基于图像模型的多元分析方法(GAMMA),该算法为基于像素水平贝叶斯方法,用来探索默认网络中的功能整合异常现象和临床参数之间的关系.在没有先验知识的前提下,使用5种机器学习的方法(支持向量机,分类回归树,逻辑回归,贝叶斯网络及C4.5)来进行分类.研究发现DMN中

• 单位
  东南大学; 杭州电子科技大学