来源：期刊VIP网 时间：
作者：曹津荣;吴海锋;李顺良;
单位：云南民族大学电气信息工程学院;云南省无人自主系统重点实验室;云南省高校智能传感器网络及信息系统科技创新团队;
摘要：在认知类疾病研究中，常使用静息状态功能磁共振成像（rs-fMRI）功能连接（FC）结合机器学习技术，探索疾病组与对照组间的差异。但由于个体的差异性，不同数据集或方法中识别异常FC区域存在不一致性。为了解决这一问题，提出一种FC特征选择方法，不再仅关注单个脑区，而是寻找整个脑网络的一致性特征。利用公开rs-fMRI数据进行的实验结果显示，在三类认知类疾病中，所选的正网络特征数量比负网络特征均多出约4%，这指出了网络中可能存在某种失衡。这种失衡现象不仅在不同数据集中普遍存在，而且在传统特征选择方法中也有所体现。此外，采用所提出的方法进行分类的准确率比传统方法提升了约20%。这一发现凸显了新方法在区分疾病组与正常组方面的显著优势，且为网络失衡假设提供了有力的支持。
关键词：时频特征;;正网络;;负网络;;轻度认知障碍;;rs-fMRI;;功能连接;;特征选择
基金资助：国家自然科学基金资助项目（62161052）;; 云南省教育厅科学研究基金项目（2024Y432）
