基于SVM—RFE的静息态fMR1分类研究及应用

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：使用机器学习方法分类功能磁共振成像（fMRI）数据已经逐渐被应用到探索大脑认知的研究中。研究大脑功能区之间的相关性，对于理解大脑的工作方式乃至探究精神疾病的病理机制具有重要意义。使用不同眼睛状态和偏头痛疾病这两组静息态功能磁共振成像（rs-fMRI）数据，计算90个脑区间的相关性，构建出相应的脑功能相关系数矩阵。利用SVM—RFE特征选择方法筛选出具有显著特征性的脑区，并以相应的脑区功能相关系数矩阵为分类特征进行SVM分类。这两组实验均得到较高的分类准确率，并对提取出的特征进行分析，发现这些特征可以体现实验数据之间的大脑功能差异，并且在大脑认知上提供有益的探索。

原文链接:http://www.cqvip.com//QK/81265X/201707/672773040.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：SVM 相关系数矩阵 cqvip fMRI 相关系数 磁共振成像 相关系数 特征选择 分类