基于静息态功能磁共振图像构建动态脑网络是神经精神疾病诊断和生理标志物探索领域普遍使用的脑网络构建方法。然而,动态脑网络特征在分类实验中潜在的“维度过高”和“时序不匹配”问题使实验结果精度不高。为了克服以上问题,提出了基...基于静息态功能磁共振图像构建动态脑网络是神经精神疾病诊断和生理标志物探索领域普遍使用的脑网络构建方法。然而,动态脑网络特征在分类实验中潜在的“维度过高”和“时序不匹配”问题使实验结果精度不高。为了克服以上问题,提出了基于二维主成分分析(two-dimensional principal component analysis,2DPCA)的动态脑网络特征提取方法。首先,将每个样本的动态脑网络转换成二维图像。然后,利用2DPCA对所有样本的脑网络图像进行主成分提取,获得鉴别性更高的特征。最后,将方法应用于自闭症谱系障碍的分类实验中,分类准确率达到81.65%,证实了方法的有效性。展开更多
目的为了研究运动想象过程中脑功能网络(brain functional network,BFN)的时频变化特征及对运动想象任务识别的影响,本文提出一种个性化皮尔逊相关系数(personalized Pearson correlation coefficient,PPCC)并用于动态BFN的构建与特征...目的为了研究运动想象过程中脑功能网络(brain functional network,BFN)的时频变化特征及对运动想象任务识别的影响,本文提出一种个性化皮尔逊相关系数(personalized Pearson correlation coefficient,PPCC)并用于动态BFN的构建与特征提取方法。方法首先,对各受试者运动想象脑电(motor imagery EEG,MI-EEG)频带范围进行两级筛选,获得其最优频带;然后,将运动想象时间段进行分割,计算各子时段最优频带MI-EEG的PPCC,并用于构建个性化的动态BFN;进而,计算各个BFN的度作为网络特征,并将多时段的网络特征串行融合获得特征向量;最后,针对BCI Competition III Data Set IIIa和BCI Competition IV Data Set 2a数据集,采用支持向量机检验特征的有效性。结果在两个公共数据集上,本文方法的10×10折交叉验证最高识别率分别为100.00%和68.84%。与基于共空间模式和基于PCC的BFN特征提取方法相比,具有明显的优势,双样本t检验的结果也充分表明了PPCC的优越性。结论与PCC相比,基于PPCC能构建出可客观地展现运动想象个性化特点的动态BFN,反映了不同受试者运动想象时大脑激活的差异性,及其在时域和频域同时呈现的动态变化特点,有效增强了特征提取的自适应性。展开更多
文摘基于静息态功能磁共振图像构建动态脑网络是神经精神疾病诊断和生理标志物探索领域普遍使用的脑网络构建方法。然而,动态脑网络特征在分类实验中潜在的“维度过高”和“时序不匹配”问题使实验结果精度不高。为了克服以上问题,提出了基于二维主成分分析(two-dimensional principal component analysis,2DPCA)的动态脑网络特征提取方法。首先,将每个样本的动态脑网络转换成二维图像。然后,利用2DPCA对所有样本的脑网络图像进行主成分提取,获得鉴别性更高的特征。最后,将方法应用于自闭症谱系障碍的分类实验中,分类准确率达到81.65%,证实了方法的有效性。
文摘目的为了研究运动想象过程中脑功能网络(brain functional network,BFN)的时频变化特征及对运动想象任务识别的影响,本文提出一种个性化皮尔逊相关系数(personalized Pearson correlation coefficient,PPCC)并用于动态BFN的构建与特征提取方法。方法首先,对各受试者运动想象脑电(motor imagery EEG,MI-EEG)频带范围进行两级筛选,获得其最优频带;然后,将运动想象时间段进行分割,计算各子时段最优频带MI-EEG的PPCC,并用于构建个性化的动态BFN;进而,计算各个BFN的度作为网络特征,并将多时段的网络特征串行融合获得特征向量;最后,针对BCI Competition III Data Set IIIa和BCI Competition IV Data Set 2a数据集,采用支持向量机检验特征的有效性。结果在两个公共数据集上,本文方法的10×10折交叉验证最高识别率分别为100.00%和68.84%。与基于共空间模式和基于PCC的BFN特征提取方法相比,具有明显的优势,双样本t检验的结果也充分表明了PPCC的优越性。结论与PCC相比,基于PPCC能构建出可客观地展现运动想象个性化特点的动态BFN,反映了不同受试者运动想象时大脑激活的差异性,及其在时域和频域同时呈现的动态变化特点,有效增强了特征提取的自适应性。
