作者@ARTICLE {10.3389 / fpsyt.2022.1070198 ={郭,凌云和张洋洋和刘、清华和郭,Kaiyu王,Zhengxia}, TITLE ={多波段网络融合阿尔茨海默病认同功能性核磁共振},杂志={精神病学前沿},体积= {13}= {2022},URL = {//www.thespel.com/articles/10.3389/fpsyt.2022.1070198}, DOI = {10.3389 / fpsyt.雷竞技rebat2022.1070198}, ISSN ={1664 - 0640},文摘= { IntroductionThe脑功能网络分析(FBNs)已经成为一种很有前途的和强大的工具辅助诊断脑部疾病,如阿尔茨海默病(AD)和它的前驱期。先前的研究通常估计FBNs使用全带血氧水平依赖(BOLD)的信号。然而,一个乐队不足以捕获的诊断和预后信息包含在多个频段。 MethodTo解决这个问题,我们提出一种新颖的多波段网络融合框架(MBNF),把各种信息(如结构特点的多元化)多波段FBNs。我们第一次大胆的信号自适应分解成两个频段高频频带和低频乐队合奏的经验模态分解(EEMD)。然后执行相似网络融合(SNF)混合两个网络由两个频段多波段融合网络。此外,我们提取的特征融合网络向一个更好的分类性能。 ResultTo验证方案的有效性,我们进行公共ADNI MBNF方法数据库识别对象与广告/ MCI从正常控制。 DiscussionExperimental结果证明该方案提取丰富的多波段网络特性和生物指标信息,并达到更好的分类精度。}}