计算机应用与软件
計算機應用與軟件
계산궤응용여연건
COMPUTER APPLICATIONS AND SOFTWARE
2015年
1期
71-73,105
,共4页
刘文钊%程忱%郭浩%陈俊杰
劉文釗%程忱%郭浩%陳俊傑
류문쇠%정침%곽호%진준걸
抑郁症%局部一致性%机器学习%分类器%特征选择
抑鬱癥%跼部一緻性%機器學習%分類器%特徵選擇
억욱증%국부일치성%궤기학습%분류기%특정선택
Depressive disorder%ReHo%Machine learning%Classifier%Feature selection
为探讨局部一致性ReHo(regional homogeneity)是否可以作为有效诊断抑郁症的特征,且其统计显著性是否可以作为有效的筛选标准并进行相应的分类.对28例正常人和38例抑郁症患者进行静息态全脑fMRI(functional Magnetic Resonance Imaging)扫描并分析.使用具有统计显著性的阈值作为筛选特征的标准并度量四种分类器下的正确率,运用敏感性分析方法评估不同特征的重要性,以此来构建一个准确率较高的模型.结果在SVM-RBF和神经网络算法中,当特征数为30时表现出了较高的正确率,分别是77.4%和73.1%.在研究特征重要性和统计显著性之间的相关性分析中,发现二者具有明显的正相关.因此,可以利用该方法用在抑郁症的诊断当中.
為探討跼部一緻性ReHo(regional homogeneity)是否可以作為有效診斷抑鬱癥的特徵,且其統計顯著性是否可以作為有效的篩選標準併進行相應的分類.對28例正常人和38例抑鬱癥患者進行靜息態全腦fMRI(functional Magnetic Resonance Imaging)掃描併分析.使用具有統計顯著性的閾值作為篩選特徵的標準併度量四種分類器下的正確率,運用敏感性分析方法評估不同特徵的重要性,以此來構建一箇準確率較高的模型.結果在SVM-RBF和神經網絡算法中,噹特徵數為30時錶現齣瞭較高的正確率,分彆是77.4%和73.1%.在研究特徵重要性和統計顯著性之間的相關性分析中,髮現二者具有明顯的正相關.因此,可以利用該方法用在抑鬱癥的診斷噹中.
위탐토국부일치성ReHo(regional homogeneity)시부가이작위유효진단억욱증적특정,차기통계현저성시부가이작위유효적사선표준병진행상응적분류.대28례정상인화38례억욱증환자진행정식태전뇌fMRI(functional Magnetic Resonance Imaging)소묘병분석.사용구유통계현저성적역치작위사선특정적표준병도량사충분류기하적정학솔,운용민감성분석방법평고불동특정적중요성,이차래구건일개준학솔교고적모형.결과재SVM-RBF화신경망락산법중,당특정수위30시표현출료교고적정학솔,분별시77.4%화73.1%.재연구특정중요성화통계현저성지간적상관성분석중,발현이자구유명현적정상관.인차,가이이용해방법용재억욱증적진단당중.