静息态功能磁共振成像的脑网络特征融合在机器学习识别自闭症中应用

作者：赵小虎; 葛曼玲; 陈盛华^*; 王磊^*; 宋子博; 谢冲; 杨泽坤

来源：磁共振成像, 2021, 12(12): 55-61.

• 自闭症谱系障碍
• 脑功能网络
• 特征加权融合
• 机器学习
• 静息态功能磁共振成像

目的利用静息态功能磁共振成像(resting-state functional magnetic resonance imaging,rs-fMRI)技术联合机器学习算法对自闭症患者进行分类,试图为早期识别自闭症提供参考依据。材料与方法对24例自闭症患者和25例健康人的rs-fMRI数据进行预处理;然后,以偏相关性的功能连接(functional connection,FC)构建网络矩阵,并使用GRETNA软件选取稀疏度空间为0.05～0.50,以步长为0.05搭建脑功能网络,分别计算患者和健康人的4个局部节点指标;最后,将每类指标分类准确率所占比重作为权重系数进行特征融合,以此构建特征向量,输入到支持向量机中分类并进行交叉验证以检验融合效果。结果特征加权融合方法平均准确率可达89.47%,比单一特征提高了21.05%,比无加权的融合方法提高了4.74%。结论文中提出的特征加权融合法为rs-fMRI检测自闭症提供了新指标和新方法。

• 单位
  河北工业大学; 廊坊职业技术学院