期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
静息态功能连接特异性与机器学习的癫痫定侧
1
作者
宋子博
葛曼玲
+4 位作者
付晓璇
陈盛华
郭志彤
张其锐
张志强
《计算机应用与软件》
北大核心
2024年第8期67-73,共7页
为探索癫痫发作侧的脑功能影像标记,提出静息态功能磁共振的功能连接特异性模型和有监督机器学习联合方案。选取20名结构影像提示发作侧的颞叶癫痫患者(均分左、右两组)和142名健康人;以健康人为参照,构建功能连接特异性模型,为每位患...
为探索癫痫发作侧的脑功能影像标记,提出静息态功能磁共振的功能连接特异性模型和有监督机器学习联合方案。选取20名结构影像提示发作侧的颞叶癫痫患者(均分左、右两组)和142名健康人;以健康人为参照,构建功能连接特异性模型,为每位患者每个脑区功能连接打分;统计分析左右组间打分值差异显著性,获得对发作侧敏感的标志性脑区;以其打分值为特征向量输入到概率神经网络实现定侧并使用交叉验证。结果显示,对发作侧敏感的功能影像学标记在杏仁核、中央旁小叶等6个脑区,分类准确率达90.0%,高于目前机器学习辅助癫痫研究水准。
展开更多
关键词
静息态
功能
磁共振
功能
连接
特异性
概率神经网络
颞叶癫痫
发作侧
下载PDF
职称材料
脑功能连接模型在机器学习中分类鲁棒性研究——以静息态功能磁共振定位癫痫发作侧为例
被引量：
3
2
作者
杨泽坤
葛曼玲
+4 位作者
付晓璇
陈盛华
张夫一
郭志彤
张志强
《中国生物医学工程学报》
CAS
CSCD
北大核心
2021年第5期521-530,共10页
机器学习能促进静息态功能磁共振成像(rf MRI)在癫痫中应用,尽管Pearson相关性的传统功能连接(FC)模型作为成像算法有较多报道,但其分类鲁棒性却少有研究。提出特异于健康人的癫痫患者FC指数模型,与FC在有监督机器学习分类敏感性和稳定...
机器学习能促进静息态功能磁共振成像(rf MRI)在癫痫中应用,尽管Pearson相关性的传统功能连接(FC)模型作为成像算法有较多报道,但其分类鲁棒性却少有研究。提出特异于健康人的癫痫患者FC指数模型,与FC在有监督机器学习分类敏感性和稳定性上进行比较,以期为提取癫痫患者功能影像学标记提供新算法。搜集20名结构像标记为海马阳性的内侧颞叶癫痫患者(各10名纳入左侧、右侧2组)和142名来自连接组学且与患者相同年龄段健康人的rf MRI数据;以健康人群为参照,构建个体患者FC特异性指数模型,为每个脑区功能打分;通过ROC敏感性分析曲线和曲线下面积(AUC)提取指数模型,对发作侧敏感脑区获得功能影像标记;以其指数作为特征向量,分别输入至概率神经网络和支持向量机,对患者发作侧分类;10次随机交叉验证分析稳定性,再分别对敏感脑区之间和患者之间的特征向量做线性相关性分析,以探求影响稳定性的内在原因。最后,用FC代替指数模型做同上处理,并比较两种功能连接模型的分类稳定性。结果显示,以FC为特征向量的AUC为0.76,而特异性指数的特征向量AUC为0.84,指数模型的分类敏感性高于FC。另外,FC的分类精度在25%~100%之间强烈波动,方差高达25.99%,且特征向量平均相关系数为0.67,相关性较强;而指数模型则在75%~100%之间较小波动,方差低至7.10%,且特征向量平均相关系数为0.28,相关性较小。在机器学习癫痫定侧中,静息态功能连接特异性指数模型表现出较强的分类鲁棒性,远优于传统模型,特征向量相关性较大可能是影响后者稳定性的主要原因。
展开更多
关键词
功能
连接
特异性
Pearson相关性
静息态
功能
磁共振成像
有监督机器学习
癫痫发作侧定位
下载PDF
职称材料
题名
静息态功能连接特异性与机器学习的癫痫定侧
1
作者
宋子博
葛曼玲
付晓璇
陈盛华
郭志彤
张其锐
张志强
机构
河北工业大学省部共建电工装备可靠性与智能化国家重点实验室
河北工业大学河北省电磁场与电器可靠性重点实验室
南京大学医学院附属金陵医院/东部战区总医院医学影像科
出处
《计算机应用与软件》
北大核心
2024年第8期67-73,共7页
基金
国家自然科学基金项目(81871345)
河北省自然科学基金项目(E2019202019)。
文摘
为探索癫痫发作侧的脑功能影像标记,提出静息态功能磁共振的功能连接特异性模型和有监督机器学习联合方案。选取20名结构影像提示发作侧的颞叶癫痫患者(均分左、右两组)和142名健康人;以健康人为参照,构建功能连接特异性模型,为每位患者每个脑区功能连接打分;统计分析左右组间打分值差异显著性,获得对发作侧敏感的标志性脑区;以其打分值为特征向量输入到概率神经网络实现定侧并使用交叉验证。结果显示,对发作侧敏感的功能影像学标记在杏仁核、中央旁小叶等6个脑区,分类准确率达90.0%,高于目前机器学习辅助癫痫研究水准。
关键词
静息态
功能
磁共振
功能
连接
特异性
概率神经网络
颞叶癫痫
发作侧
Keywords
Resting-state functional magnetic resonance
Functional connectivity specificity
Probabilistic neural network
Temporal lobe epilepsy
Seizure lateralization
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
脑功能连接模型在机器学习中分类鲁棒性研究——以静息态功能磁共振定位癫痫发作侧为例
被引量：
3
2
作者
杨泽坤
葛曼玲
付晓璇
陈盛华
张夫一
郭志彤
张志强
机构
河北工业大学省部共建电工装备可靠性与智能化国家重点实验室
河北工业大学河北省电磁场与电器可靠性重点实验室
南京大学医学院附属金陵医院/东部战区总医院医学影像科
出处
《中国生物医学工程学报》
CAS
CSCD
北大核心
2021年第5期521-530,共10页
基金
河北省研究生创新项目(CXZZSS2021034)
国家自然科学基金(81871345)
河北省省级科技计划项目(E2019202019)。
文摘
机器学习能促进静息态功能磁共振成像(rf MRI)在癫痫中应用,尽管Pearson相关性的传统功能连接(FC)模型作为成像算法有较多报道,但其分类鲁棒性却少有研究。提出特异于健康人的癫痫患者FC指数模型,与FC在有监督机器学习分类敏感性和稳定性上进行比较,以期为提取癫痫患者功能影像学标记提供新算法。搜集20名结构像标记为海马阳性的内侧颞叶癫痫患者(各10名纳入左侧、右侧2组)和142名来自连接组学且与患者相同年龄段健康人的rf MRI数据;以健康人群为参照,构建个体患者FC特异性指数模型,为每个脑区功能打分;通过ROC敏感性分析曲线和曲线下面积(AUC)提取指数模型,对发作侧敏感脑区获得功能影像标记;以其指数作为特征向量,分别输入至概率神经网络和支持向量机,对患者发作侧分类;10次随机交叉验证分析稳定性,再分别对敏感脑区之间和患者之间的特征向量做线性相关性分析,以探求影响稳定性的内在原因。最后,用FC代替指数模型做同上处理,并比较两种功能连接模型的分类稳定性。结果显示,以FC为特征向量的AUC为0.76,而特异性指数的特征向量AUC为0.84,指数模型的分类敏感性高于FC。另外,FC的分类精度在25%~100%之间强烈波动,方差高达25.99%,且特征向量平均相关系数为0.67,相关性较强;而指数模型则在75%~100%之间较小波动,方差低至7.10%,且特征向量平均相关系数为0.28,相关性较小。在机器学习癫痫定侧中,静息态功能连接特异性指数模型表现出较强的分类鲁棒性,远优于传统模型,特征向量相关性较大可能是影响后者稳定性的主要原因。
关键词
功能
连接
特异性
Pearson相关性
静息态
功能
磁共振成像
有监督机器学习
癫痫发作侧定位
Keywords
functional connectivity specificity
Pearson correlation
resting-state fMRI
supervised machine learning
localization of paroxysmal side in epilepsy
分类号
R318 [医药卫生—生物医学工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
静息态功能连接特异性与机器学习的癫痫定侧
宋子博
葛曼玲
付晓璇
陈盛华
郭志彤
张其锐
张志强
《计算机应用与软件》
北大核心
2024
0
下载PDF
职称材料
2
脑功能连接模型在机器学习中分类鲁棒性研究——以静息态功能磁共振定位癫痫发作侧为例
杨泽坤
葛曼玲
付晓璇
陈盛华
张夫一
郭志彤
张志强
《中国生物医学工程学报》
CAS
CSCD
北大核心
2021
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
