一种基于图论和机器学习的神经症特征提取方法
- 专利权人:
- 重庆邮电大学
- 发明人:
- 王小洁,胡希平,郭毅,宁兆龙,孙兰芳
- 申请号：
- CN202110625900.5
- 公开号：
- CN113317803A
- 申请日:
- 2021.06.04
- 申请国别(地区):
- CN
- 年份:
- 2021
- 代理人:
- 摘要：
- 本发明公开了一种基于图论和机器学习的神经症特征提取方法，首先基于EEG数据构建神经症下躯体维度和情感维度的脑功能网络，以62通道作为网络的节点，分别选取相位滞后指数和加权相位滞后指数作为网络中边的度量。提取两指标对应的网络拓扑属性——全局效率，进行融合后作为识别躯体维度和情感维度的特征向量，并利用机器学习分类模型进行分类，且该特征相应的脑功能网络映射到3D脑模型上可定位两个维度的网络异常连接位置。本发明可进一步用于为神经症的识别提供了标识物，并进一步研究疾病的靶点。
- 来源网站：
- 中国工程科技知识中心
