最近的研究表明,大脑功能连通性障碍是在阿尔茨海默氏病(AD)以及轻度认知障碍(MCI)的情况下发生的早期事件。我们将大脑作为基于图的网络建模,以研究这些障碍。在本文中,我们使用基于图理论的功能磁共振(FMR)图像的特征提出了一种新的诊断方法,以使用不同的分类技术来区分AD,MCI和健康对照(HC)受试者。这些技术包括线性支持向量机(LSVM)和正规化的极限学习机(RERM)。我们使用成对的Pearson基于相关的功能连接来构建大脑网络。我们使用阿尔茨海默氏病神经影像计划(ADNI)数据集比较了大脑网络的分类性能。node2Vec图嵌入方法用于将图形特征转换为特征向量。实验结果表明,与其他分类技术相比,具有LASSO特征选择方法的SVM具有更好的分类精度。
主要关键词