多参数结构脑网络融合技术诊断双相障碍

作者：杨若楠; 郭敏; 于雪雪; 罗世杰; 李丹丹; 王彬; 相洁; 牛焱^*

来源：中国医学影像技术, 2022, 38(08): 1232-1237.

DOI：10.13929/j.issn.1003-3289.2022.08.028

• 双向情感障碍
• 神经网络,计算机
• 分类

目的 基于node2vec算法和连续词袋(CBOW)模型建立多参数融合网络模型，评价其诊断双相障碍(BD)的价值。方法 纳入48例BD患者(BD组)和58名健康人[正常对照(NC)组],以node2vec算法挖掘节点隐含关系特征，利用CBOW模型将高维多参数网络转换为低维节点嵌入向量；拼接多参数节点嵌入向量，以余弦相似度重构融合网络，并划分为左、右2个半球网络。分析组间全局特征和节点度属性差异，筛选分类特征；以支持向量机(SVM)建立BD诊断模型，估算准确率。结果 相比NC组，BD组多数全局特征显著改变(P均<0.001),额叶、顶叶和边缘系统等区域多脑区节点度显著异常。以左、右半球合并特征构建的融合网络诊断BD准确率达99.10%,显著高于单一参数网络分类(93.55%～94.45%)。结论 多参数融合网络模型能有效提取脑网络特征并辅助诊断BD。

• 单位
  太原理工大学