基于脑网络的阿尔茨海默病临床变量值预测

目前脑功能连接网络已被广泛用于于大脑疾病诊断，然而传统的脑网络分类方法无法评估疾病所处的阶段以及预测病情的发发展。近期的研究表明，脑疾病的临床变量值可以有效地帮助医生进行疾病评估，因此一种基于脑连接网络的方法被提出，用于对阿尔茨海默病临床变量值进行预测。首先从脑影像中提取功能连接网络，然后使用LASSO进行特征选择，剔除不具有判别性的边。同时融合网络的聚类系数和边的权重作为特征。最后使用支持向量回归机（support vector regression, SVR）预估临床变量值。在ADNI数据集上对提出的方法进行验证，实验结果表明提出的方法能够准确的预测疾病临床变量值同时验证了多种特征融合的有效性。