《表3 分类结果比较:基于稀疏偏最小二乘的麻醉意识状态功能连接研究》
为了验证两种方法所计算功能连接对不同意识状态的区分效果,使用SVM分类器分别对特征连接做分类,分类结果如表3所示,交叉验证各折受试者工作特征(receiver operating characteristic,ROC)曲线如图7所示。图7中“fold”表示交叉验证折数,“mean ROC”表示平均ROC曲线,对交叉验证各折ROC曲线计算了曲线下与坐标轴围成的面积(area under curve,AUC),并以百分比形式写出。在分类之前使用PCA降维的方法选取特征,SPLS计算出来的特征矩阵虽然更为稀疏,但主成分个数较SL方法更多,可能的原因是矩阵稀疏并不会影响其中特征的独立性。最终使用SPLS方法计算功能连接的分类准确率也要高于SL方法。
图表编号 | XD00171435300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.25 |
作者 | 吴帆、姜忠义、毕卉、张军、李世通、邹凌 |
绘制单位 | 常州大学信息科学与工程学院、常州市生物医学信息技术重点实验室、常州大学信息科学与工程学院、常州市生物医学信息技术重点实验室、常州大学信息科学与工程学院、常州市生物医学信息技术重点实验室、复旦大学附属肿瘤医院麻醉科、复旦大学附属华山医院麻醉科、常州大学信息科学与工程学院、常州市生物医学信息技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |