摘要
功能脑网络已成为探索脑内潜在组织模式的重要工具,可为自闭症谱系障碍等脑疾病提供客观依据,是当前脑科学研究领域的热点.由于其重要性,研究人员提出了许多功能脑网络的估计方法.大多数现有方法仅从单个视图对大脑脑区之间的功能连接进行建模,不能捕获大脑中脑区之间的复杂交互.为了解决此问题,本文重点研究如何融合多个功能脑网络来估计更加稳健的功能脑网络.具体研究结果如下: 提出了联合嵌入融合多功能脑网络的方法,充分利用了不同策略估计的多视图功能脑网络的共同信息,并从特征向量中心性的角度给出了简洁的理论解释.具体来说,首先基于几种不同的策略构造多视图功能脑网络.然后,用三阶张量对这些功能脑网络建模,其中张量的每个切片表示来自单个视图的功能脑网络的邻接矩阵用于描述脑区之间的特定关系.进一步采用张量分解来学习多视图功能脑网络在潜在空间中的联合嵌入,以捕获静息功能磁共振数据的视图共享和互补特征.最后,计算嵌入空间中脑区之间的相关性,以获得每个被试融合后的功能脑网络. 提出了联合利用一致性和特异性信息的多功能脑网络融合方法,借鉴多视图子空间学习的思想,通过融合多个功能脑网络的一致性和特异性信息来增强功能脑网络的代表性.具体而言,首先基于几种不同的策略构造多视图功能脑网络.然后,利用子空间自表示性质,学习多个功能脑网络共享的一致表示和每个功能脑网络的特异性表示,利用学习到的一致表示矩阵和多个特异性表示矩阵得到每个被试融合后的功能脑网络. 为了验证本文所提方法的有效性,将其用于自闭症的预测和诊断,同时本文全部采用最常用的特征提取方法以及分类器训练分类模型来避免特征提取和分类器对最终分类结果产生的影响.在ABIDE公共数据集上的实验结果表明,与现存方法相比,本文的方法能够有效的提高自闭症诊断的准确率.
NETL