基于随机分块模型的静息态功能脑网络可信度优化_中国煤炭行业知识服务平台

基于随机分块模型的静息态功能脑网络可信度优化

作者

王希郭浩陈俊杰
单位

太原理工大学计算机科学与技术学院
摘要

为了提高静息态功能脑网络可信度,引用基于随机分块模型的网络重构方法对脑网络进行重构。通过网络指标的分析,验证该方法在脑网络中的适用性,找到网络中的虚假边;采用网络最大联通子集的方法来分析虚假边对网络连通性的影响。实验结果表明,该方法可用于脑网络的重构,通过重构可以找到影响脑网络连通性的虚假边,提高了连通性的可信度。
关键词

重构可信度功能脑网络随机分块模型复杂网络
基金项目(Foundation)

国家自然科学基金资助项目:抑郁症fMRI数据分析方法及辅助诊断治疗模型研究(61170136)；多模态脑功能复杂网络分析方法及应用研究(61373101)；抑郁症EEG功能脑网络构建及异常特征分析研究(61472270)；基于解剖距离及节点相似度的多尺度脑功能网络建模方法研究(61402318)；教育部高等学校博士学科点专项科研基金课题资助项目(20131402110006)；太原理工大学青年基金资助项目:抑郁症静息态功能脑网络拓扑属性差异分析研究(2012L014,2013T047)；
相关文章

[1]脑网络组学构建分析及应用研究
[2]复杂网络理论在酗酒分类中的应用研究
[3]不同节点尺度下基于共同邻居的功能脑网络建模方法研究