基于信息流和支持向量机的血管性痴呆患者分类研究
为了能够有效地区分早期血管性痴呆(VaD)患者与正常老年人,本文基于脑电(EEG)信号,提取大脑不同脑区之间的有向功能连接(信息流)作为特征,采用支持向量机(SVM)作为分类器,对两组人群进行分类.研究结果发现,分类正确率达到86.11％,VaD患者和正常老年人的识别率分别为93.33％和80.95％,接收者操作特征曲线(ROC)下面积(AUC)为0.8540.研究表明脑区间信息流可以很有效地区分VaD患者和正常老年人.此外,对正确分类贡献较大的特征主要来自顶叶(Pz)至额叶与中央区、颞叶(T7)至其它脑区之间的信息流;统计结果显示,相比于正常老年人,VaD患者顶叶(Pz)至额叶及中央区方向的信息流显著减弱,而颞叶(T7)至其它脑区间的信息流则显著增强.本文为早期VaD患者的自动识别提供了一个崭新的方法,为VaD的临床诊断提供了可行的途径.
血管性痴呆 脑电信号 信息流 支持向量机
王超 徐进 赵松珍
西安交通大学生命科学与技术学院生物医学工程研究所,710049 西安交通大学第一附属医院神经内科,710061
国内会议
南京
中文
1-5
2015-10-16（万方平台首次上网日期，不代表论文的发表时间）