科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的与单标签分类相比,多标签分类在现实世界中更为常见。在神经影像学领域,对个体认知单标签分类的研究有很多,但是却没有关于个体认知多标签分类的研究。本研究尝试运用机器学习多标签分类算法,利用静息态fMRI数据,对个体认知进行多标签分类研究。方法基于390名(≥18岁)成年人的静息态fMRI数据,通过5种具有代表性的机器学习多标签分类算法:ML-kNN、hMuLab、LIFT、ML-LOC和GLOCAL对个人认知进行多标签分类,采用十折交叉验证进行训练和测试,并用多标签分类常用的评价指标进行结果的检验。结果这5种算法都能用于静息态fMRI的多标签分类研究,且经过算法对比发现hMuLab算法的分类效果最好。结论本研究成功地将多标签分类算法应用于神经影像学领域并对个体认知进行多标签分类,且通过算法对比发现样本的邻域信息对分类结果很重要。
- 单位
