《表1 加权网络及无权网络参数单一输入分类结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于MRI图像的阿尔茨海默症患者脑网络特征识别算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

结构参数的分析结果显示AD患者脑网络的结构相较对照组存在差异，为了进一步分析这种建网方法的可行性以及比较不同网络特征参数的识别效果，采用机器学习分类器来对脑网络参数进行识别。考虑到不同分类方法对于参数的适应性不同，采用不同的分类方法可能会对识别效果产生影响，因此采用多种通用的分类器分别进行随机抽样来完成脑网络参数的识别以选择更优的分类算法。使用的分类方法包含TSK模糊分类器、KNN、SVM、NB，分别对AD的加权脑网络和无权脑网络进行特征识别。由于同时采用多种分类器进行验证，为了避免交叉验证中倍数的选择对不同模型的验证结果可能产生的影响，采用随机抽样验证。训练时首先将数据集划分为训练集和测试集，每次训练将随机提取60例AD和60例正常人对照的MRI图像构成训练集，其余的构成测试集；接下来将训练集输入到不同的分类器进行训练学习，并用测试集检验该分类器对AD脑网络的识别效果。为保证不出现极端测试情况，针对不同的分类器以及输入参数，此过程均将循环500次并对分类准确率分别取平均。为保证调参的精度，通过网格搜索法对各个分类器参数进行自动优化，最终分类结果如表1所示。