26、fMRI激活网络分析与容积数据分类方法研究

fMRI激活网络分析与容积数据分类方法研究

1. fMRI激活网络分析

在对fMRI激活网络进行分析时，涉及到不同认知障碍程度的分组，包括阿尔茨海默病（Alzheimer）、晚期轻度认知障碍（LMCI）、早期轻度认知障碍（EMCI）和正常组（Normal）。其中，LMCI患者受影响更严重，接近完全的阿尔茨海默病状态，而EMCI患者则更接近健康对照组。具体分组人数如下：
| 分组 | 人数 |
| — | — |
| 阿尔茨海默病（Alzheimer） | 30 |
| 晚期轻度认知障碍（LMCI） | 34 |
| 早期轻度认知障碍（EMCI） | 47 |
| 正常组（Normal） | 38 |

为了区分不同组别的患者，我们采用了基于玻色 - 爱因斯坦熵和詹森 - 香农散度的信息论图核方法。具体操作步骤如下：
1. 计算熵 ：给定图的谱和粒子总数，通过特定公式（式(11)）推导出化学势，进而计算熵。
2. 核主成分分析（kPCA） ：将图映射到三维特征空间，使用前三个特征向量展示每组的聚类情况。
3. 线性判别分析 ：应用费舍尔线性判别分析对图进行分类，并计算分类准确率。由于数据集的采样数量较少，我们采用留一法交叉验证，并将所有图作为测试数据。

实验结果表明，与冯·诺伊曼熵相比，基于玻色 - 爱因斯坦熵的方法在分类准确率上表现更优。具体分类准确率如下表所示：
| 分组 | 玻色 - 爱因斯坦统计 | 冯·诺伊曼熵 |
| — | — | — |