• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    靜息態(tài)功能磁共振成像的腦網(wǎng)絡(luò)特征融合在機器學習識別自閉癥中應(yīng)用

    2021-03-06 05:53:14趙小虎葛曼玲陳盛華王磊宋子博謝沖楊澤坤
    磁共振成像 2021年12期
    關(guān)鍵詞:自閉癥分類特征

    趙小虎,葛曼玲,陳盛華*,王磊,宋子博,謝沖,楊澤坤

    作者單位:1.河北工業(yè)大學省部共建電工裝備可靠性與智能化國家重點實驗室,天津300130;2.河北工業(yè)大學河北省電磁場與電器可靠性重點實驗室,天津300130;3.廊坊職業(yè)技術(shù)學院,廊坊065001

    自閉癥又稱自閉癥譜系障礙(autism spectrum disorders,ASD)是一種由多類不同原因所引發(fā)的神經(jīng)發(fā)育性障礙[1],其主要癥狀表現(xiàn)在社會交流障礙、刻板行為、情感缺陷等方面,會造成患者在日常生活、交流和學習中障礙[2,3]。通過臨床對照研究發(fā)現(xiàn):ASD 早期準確檢測和及時干預(yù)能夠很大程度上改善患者的語言能力、認知能力以及行為習慣。因此,ASD識別工作意義重大[4-6]。

    近些年來,利用靜息態(tài)功能磁共振成像(resting-state functional magnetic resonance imaging,rs-fMRI)技術(shù)[7]在自閉癥患者的臨床早期檢測研究中越來越突出,該技術(shù)以其無創(chuàng)、快捷、高空間分辨率以及良好的患者適應(yīng)性等成為腦功能影像學研究的先進手段。其中,基于相關(guān)性的功能連接(rs-fMRI functional connection,rs-fMRI-FC)為評估腦功能提供了科學的檢測指標。例如:以健康人大腦功能影像為對照,通過提取自閉癥患者功能腦影像學標記,利用rs-fMRI-FC 定位自閉癥患者功能異常的腦區(qū),以此來對自閉癥患者早期檢測提供輔助依據(jù)[8]。但是,傳統(tǒng)的功能連接計算處于低階運算水準,無法表達腦功能之間交互信息,影響了評估精準性。

    隨著網(wǎng)絡(luò)拓撲技術(shù)的發(fā)展,腦網(wǎng)絡(luò)概念被越來越多的科學家所重視。它能夠從腦連接層面刻畫大腦功能的交互,是高階功能連接計算[9]。通過對大腦功能網(wǎng)絡(luò)的拓撲屬性變化來研究腦區(qū)之間信息傳遞異常,能夠高效地挖掘發(fā)生腦功能特異性改變的腦區(qū),從網(wǎng)絡(luò)這一高級層面輔助檢測患者。但現(xiàn)階段,利用fMRI數(shù)據(jù)構(gòu)建腦功能網(wǎng)絡(luò)并結(jié)合機器學習算法在腦疾病的早期研究檢測中,大多通過提取腦網(wǎng)絡(luò)單一拓撲指標分析識別腦疾病[10,11]。然而,腦網(wǎng)絡(luò)單一拓撲屬性僅僅只是針對大腦網(wǎng)絡(luò)某一個方面的描述,未能夠充分考慮到多個大腦區(qū)域之間的拓撲結(jié)構(gòu)信息,很難有針對性地給出全面的描述。所以,識別效果很難被大幅度地改善。

    特征融合是機器學習中的先進技術(shù),常常被用于腦疾病的研究中,例如對提取的特征向量采用串聯(lián)的方式進行融合研究[12,13]。但是,這種方法尚未在ASD 中進行過測試。此外,這種首尾串聯(lián)融合的方法,由于每個特征對整體的貢獻不同,僅靠簡單的串聯(lián)融合進行分類精度可能不高。

    針對上述問題,我們提出特征加權(quán)融合的方法,將其應(yīng)用于rs-fMRI 數(shù)據(jù)在自閉癥患者腦功能網(wǎng)絡(luò)研究中,試圖通過融合多種網(wǎng)絡(luò)特征將fMRI-FC計算水準提到高階。為此,我們以健康人數(shù)據(jù)為對照,設(shè)計了一種網(wǎng)絡(luò)特征加權(quán)融合的自閉癥檢測方法,將不同的腦網(wǎng)絡(luò)拓撲指標進行加權(quán)融合,使得分類器所得到的腦網(wǎng)絡(luò)信息更加全面。并借助機器學習方法驗證其在自閉癥患者檢測中的優(yōu)勢,為rs-fMRI檢測自閉癥提供了一種新方法。

    本文的主要貢獻包括:(1)利用自閉癥和健康被試的rs-fMRI數(shù)據(jù),通過偏相關(guān)構(gòu)建低階功能連接矩陣FC 來反映不同腦區(qū)之間功能連通性;(2)在此基礎(chǔ)上通過構(gòu)建多稀疏度關(guān)聯(lián)矩陣來建立腦網(wǎng)絡(luò),從高階水平上分析大腦功能,并采用以稀疏度為橫軸,取特征值曲線下面積(area under the curve,AUC)來表征網(wǎng)絡(luò)屬性在連續(xù)稀疏度下的整體特征;(3)選取網(wǎng)絡(luò)中4種常用局部節(jié)點指標,將其分類準確率所占的比重作為權(quán)重系數(shù)進行特征融合,以此構(gòu)建特征向量,輸入到支持向量機中分類并進行交叉驗證以檢驗融合效果。最后,分別與單一特征分類效果和傳統(tǒng)特征融合比較,以說明加權(quán)特征融合的優(yōu)越性。本文的研究思路如圖1所示。

    圖1 本文研究方法的流程圖Fig.1 Study Flowchart

    1 數(shù)據(jù)與方法

    1.1 數(shù)據(jù)采集與處理

    數(shù)據(jù)來源于國際神經(jīng)影像數(shù)據(jù)共享倡議組織(International Neuroimaging Datasharing Initiative, INDI)分享的公開數(shù)據(jù)集ABIDE I (http://fcon_1000. projects. nitrc. org/indi/abide/abide_I.html)。本文從中選取了TRINITY實驗中心數(shù)據(jù),該數(shù)據(jù)包括24 例ASD 患者組(12.0~25.9 歲男性青少年)以及25 例正常對照組(normal control,NC)數(shù)據(jù)(12.0~25.7 歲男性青少年)。各組納入標準如下:(1) ASD組:右利手的男性青少年;滿足自閉癥診斷觀察量表(Autism Diagnostic Observation Schedule,ADOS)上的ASD自閉癥判別標準。(2) NC組:右利手的男性青少年,年齡和智商與ASD 組相匹配;沒有任何精神遺傳疾病,包括閱讀障礙或使用障礙;沒有被診斷為ASD的一級親屬的存在;社會反應(yīng)量表分數(shù)低于50 分或社會交流問卷分數(shù)低于10 分。所有ASD 患者和健康對照者都是通過相關(guān)的遺傳學研究計劃、臨床服務(wù)、學校和倡導團體所招募的,并且獲得圣詹姆斯醫(yī)院和Linn Dara CAMHS倫理委員會的道德認可,所有參與者及其父母都獲得書面知情同意。所有ASD患者和健康對照者排除標準包括:(1)通過韋氏智力量表評估智商小于70;(2)患有神經(jīng)病學、精神病學或遺傳病史;(3)具有MRI 禁忌證;(4)當前使用精神藥物。靜息態(tài)磁共振數(shù)據(jù)采集是在都柏林圣詹姆斯醫(yī)院高級醫(yī)學成像中心(Centre for Advanced Medical Imaging,CAMI)的Philips 3 T Achieva MRI 掃描儀上完成。受試者在圖像采集過程中仰臥在fMRI 掃描儀中,閉上眼睛休息五分鐘并盡可能保持靜止。掃描參數(shù)具體為:層數(shù)38 層,TR 2000 ms,TE 28 ms,切片厚度3.5 mm,視野范圍(FOV)為240 mm×240 mm,翻轉(zhuǎn)角90°,共采集150個時間點。

    使用DPARSF_V5.1[14](Data Processing Assistant for Resting-State fMRI)工具包對fMRI 圖像數(shù)據(jù)進行預(yù)處理,具體的步驟包括:(1)將每位實驗被試采集的前5 個時間點刪除,以排除掃描前期的不穩(wěn)定因素,使信號更加穩(wěn)定;(2)進行時間層校正,以保證每個Volume內(nèi)所有體素獲取的時間在理論上一致;(3)去除頭動偽影的影響;(4)將圖像配準至蒙特利爾神經(jīng)研究所的標準空間,然后進行3 mm×3 mm×3 mm 重采樣;(5)進行帶通濾波以減少低頻漂移和高頻生理噪聲的影響;(6)回歸干擾信號;(7)采用4 mm 半高全寬的高斯濾波器對圖像進行空間平滑,以減小空間噪聲。

    1.2 腦功能網(wǎng)絡(luò)構(gòu)建

    1.2.1 節(jié)點的定義

    將預(yù)處理后數(shù)據(jù)使用自動解剖標記(automated anatomical labeling atlas,AAL,第1 版)圖譜[15]將除小腦外的整個大腦皮層劃分為90 個解剖區(qū)域(AAL-90)。將每個腦區(qū)定義成網(wǎng)絡(luò)中的一個節(jié)點,對應(yīng)值為節(jié)點值。通過計算每個腦區(qū)所處坐標范圍內(nèi)所有體素的血氧水平依賴信號的算術(shù)平均值來作為這個腦區(qū)(網(wǎng)絡(luò)中的節(jié)點)的節(jié)點值。

    1.2.2 邊的定義

    偏相關(guān)指只考慮兩個變量之間的相關(guān)性,排除其他相關(guān)因素的干擾[16]。在腦網(wǎng)絡(luò)的構(gòu)建中,指忽略其他腦區(qū)的影響,只考慮兩個腦區(qū)信號之間的相關(guān)性,因此,又稱凈相關(guān)分析[17]。

    本文主要采用相關(guān)矩陣求逆法計算任意兩腦區(qū)之間的偏相關(guān)值。首先,求得相關(guān)矩陣:

    將任意兩個腦區(qū)的偏相關(guān)系數(shù)值作為腦功能網(wǎng)絡(luò)邊,得到一個90×90 對稱矩陣,對每個被試進行Fisher-r到Fisher-z轉(zhuǎn)化,獲得更接近正態(tài)分布的時間序列[18]。

    1.3 網(wǎng)絡(luò)分析

    1.3.1 稀疏度選擇

    為了驗證腦功能連接矩陣的拓撲特性,使用稀疏度來排除噪聲元素,連通性稀疏度s (即現(xiàn)有邊與網(wǎng)絡(luò)中最大可能邊數(shù)的比率)被用作閾值度量,以確保所有被試網(wǎng)絡(luò)節(jié)點和邊數(shù)相同。本文選取閾值s 在0.05~0.50,步長選為0.05。 然后,通過GRETNA_V2.0 網(wǎng)絡(luò)分析工具包[19]在MATLAB 環(huán)境下計算每個稀疏度閾值下網(wǎng)絡(luò)指標。為了衡量網(wǎng)絡(luò)屬性在連續(xù)稀疏度下整體特征,本研究以稀疏度為橫軸,特征值為縱軸構(gòu)建坐標系,用對應(yīng)的10 個稀疏度下特征值做曲線,計算每個屬性曲線下的面積AUC 值,用于后續(xù)分析[20-21]。AUC為大腦功能連接拓撲提供了總體上的標量信息,使其不受單一閾值選擇的影響。

    1.3.2 網(wǎng)絡(luò)指標

    腦功能網(wǎng)絡(luò)拓撲屬性種類繁多,分為局部屬性和全局屬性兩種網(wǎng)絡(luò)特征。通常,腦功能網(wǎng)絡(luò)節(jié)點特征由局部屬性體現(xiàn)。目前對精神疾病的腦網(wǎng)絡(luò)屬性研究多以網(wǎng)絡(luò)中節(jié)點度、聚類系數(shù)、節(jié)點效率和節(jié)點局部系數(shù)為主[22,23],因此,本文選用上述4個局部節(jié)點指標做分類研究,如表1所示。

    表1 腦功能網(wǎng)絡(luò)分析指標簡表Tab.1 Brief descriptions of brain functional network metrics employed in this study

    1.4 腦功能網(wǎng)絡(luò)的特征篩選

    為了從特征集中找到最優(yōu)的特征子集,防止過擬合現(xiàn)象,以優(yōu)化模型性能和高效訓練分類器,有必要在分類前進行特征選擇。F-score 是度量特征在不同類別間區(qū)分度的一種指標,其本質(zhì)是選取類內(nèi)差異小,類間差異大的特征[24,25]。

    在本文中,對于每類節(jié)點指標網(wǎng)絡(luò)拓撲屬性,每名被試會得到一個1×90 的行矩陣,通過F-score 進行特征提取,具體過程:首先,對90 個腦區(qū)計算F-score 進行評分,選取前10 個評分最高的腦區(qū);然后,對自閉癥患者和健康對照組所得到的腦區(qū)進行雙樣本t檢驗,選取具有統(tǒng)計意義的特征腦區(qū)(P<0.05)作為特征向量。

    除此之外,最小冗余最大相關(guān)性(minimal redundancy maximum relevancy,mRMR)和ROC 敏感性分析也被廣泛應(yīng)用于特征腦區(qū)篩選上。mRMR 算法是通過利用互信息衡量不同特征之間相關(guān)性和冗余度,并根據(jù)信息差和信息熵這兩個代價函數(shù)來尋找特征子集,使得選出的特征與目標類別之間具有最大相關(guān)性,且互相之間具有最小冗余度,可以很好地實現(xiàn)特征選擇[26]。ROC 敏感性分析是根據(jù)一系列不同的二分類方式,以真陽性率為縱坐標,假陽性率為橫坐標繪制曲線。在臨床應(yīng)用中,通過對各個腦區(qū)做ROC敏感性分析,可以選取對疾病識別較為敏感的腦區(qū)。

    1.5 特征融合

    根據(jù)以往研究發(fā)現(xiàn),特征融合常采用多種特征向量首尾串聯(lián)進行融合[12,27]。在此基礎(chǔ)上,本文提出了一種加權(quán)的特征融合方法。從腦功能網(wǎng)絡(luò)中得到的4個節(jié)點指標特征向量F,在進行特征融合時,對每種特征向量矩陣乘上一個權(quán)重系數(shù)M,然后再對其首尾串聯(lián)實現(xiàn)加權(quán)融合,具體計算方法:

    其中,F(xiàn)1,F2,F3,F4為4 類節(jié)點指標特征向量,Acc(Fk)為每類節(jié)點指標模型分類準確率,F(xiàn)f為融合后的特征向量矩陣。

    1.6 機器學習模型

    在本文中,把49名被試的網(wǎng)絡(luò)特征作為數(shù)據(jù)集,按照3∶2比例分成30名訓練集和19名測試集,作為機器學習的基本輸入信息通過min-max Normalization對數(shù)據(jù)進行歸一化處理。選擇徑向基函數(shù)作為核函數(shù),選取比例參數(shù)g=1 2σ2代替核參數(shù)σ,形成一組參數(shù)對(C,g)。其中,參數(shù)C 和g 的取值范圍設(shè)定為[-10,10] (步長0.1),用網(wǎng)格搜索方法尋找誤差最小的懲罰系數(shù)C 和核參數(shù)σ 為最優(yōu)參數(shù)。創(chuàng)建訓練模型,對測試集數(shù)據(jù)進行計算。隨機交叉驗證,即在每次實驗分類前,將所有的特征向量隨機排序并分組,用于機器學習分類實驗。本文采用了10次隨機交叉驗證和留一法交叉驗證兩種方法加以驗證,確保分類結(jié)果的可靠性。

    2 結(jié)果

    2.1 單一節(jié)點指標特征分類驗證

    為了檢驗單一局部節(jié)點指標的分類結(jié)果,分別利用三種不同算法對網(wǎng)絡(luò)屬性進行特征腦區(qū)篩選,并將其放入機器學習中進行10次隨機交叉驗證得到平均準確率,結(jié)果如圖2所示。

    圖2 節(jié)點指標分類結(jié)果對比圖Fig.2 Classification by network node index

    盡管F-score 分類精度相對其他兩種方法要好些,但總的來說,單一節(jié)點指標分類精度都不高,這是因為只考慮腦網(wǎng)絡(luò)單一特征屬性,將會忽略其他特征屬性,其很可能會對結(jié)果產(chǎn)生很大影響,從而導致分類精度都不高。因此,可以在特征融合時根據(jù)分類效果不同,通過引入權(quán)值方法,綜合考慮各個屬性,以提高分類效果。

    2.2 網(wǎng)絡(luò)特征加權(quán)融合及其分類與驗證

    2.2.1 特征腦區(qū)

    通過圖2我們發(fā)現(xiàn),通過F-score算法,在4類單一節(jié)點指標中分類精度相對較好,因此,為了研究特征加權(quán)融合后對分類效果的影響,我們利用F-score算法來挑選特征腦區(qū),得到了在兩類被試中具有組間差異的特征腦區(qū),并將其可視化。如圖3 及表2所示:

    表2 具有顯著性差異的特征腦區(qū)(P<0.05)Tab.2 Characteristic brain regions with significant differences(P<0.05)

    圖3 通過F-score提取的特征腦區(qū)Fig.3 Feature brain regions extracted by F-scores

    由表2可見,四個腦功能網(wǎng)絡(luò)節(jié)點指標所確定的特征腦區(qū)主要集中在額葉、顳葉和梭狀回、海馬、丘腦以及默認模式網(wǎng)絡(luò)等區(qū)域,即自閉癥患者在這些區(qū)域相對健康對照組較為敏感。

    2.2.2 SVM分類交叉驗證

    據(jù)前述,分別將4類單一節(jié)點指標特征和加權(quán)融合后特征向量Ff放入機器學習中用SVM 分類器進行分類訓練,為了測試算法的準確性,分別采用了10次隨機驗證和留一法驗證,結(jié)果如表3所示。

    由表3、4可見,兩種交叉驗證一致地證實了網(wǎng)絡(luò)特征指標加權(quán)融合后的分類結(jié)果相對于單一節(jié)點指標特征有大幅度改善。從10 次隨機驗證結(jié)果來看,特征加權(quán)融合后的分類準確率范圍在84.21%~94.74%,平均準確率為89.47%,相對于單一節(jié)點指標特征,平均提高21.05%。從穩(wěn)定性上分析,通過特征加權(quán)融合后的方差比單一節(jié)點指標特征中穩(wěn)定性最好的(節(jié)點度特征指標)還要低,方差達到0.17%。這表明:融合后特征向量更全面地反映了腦網(wǎng)絡(luò)中拓撲信息,具有更強的分類能力,彌補了僅靠單一網(wǎng)絡(luò)節(jié)點指標分類造成的腦網(wǎng)絡(luò)局部信息被忽略的缺陷。另外,為了防止僅靠一種特征提取算法造成的偶然性和局限性,在此又對本文前面所提及的3種特征提取算法進行了對比,如圖4所示:

    表3 隨機交叉驗證單一指標和加權(quán)融合分類準確率Tab.3 Random cross validation for classification accuracy by a single index and weighted fusion

    表4 留一法驗證單一指標和加權(quán)融合分類準確率Tab.4 Leave-one validation for classification accuracy by a single index and weighted fusion

    圖4 不同算法提取分類結(jié)果對比圖Fig.4 Classification by network node index and fusion

    從圖4中可以看出,無論是通過哪種算法進行特征提取得到的特征向量放入機器學習中訓練分類,通過本文的基于網(wǎng)絡(luò)特征加權(quán)融合的方法分類精度都優(yōu)于傳統(tǒng)的單一節(jié)點指標作為特征向量結(jié)果。

    2.3 對比實驗

    為了驗證本文提出的特征加權(quán)融合算法的效果,與傳統(tǒng)的多種特征向量串聯(lián)融合進行了實驗對比[12],并進行了10 次隨機驗證和留一法驗證已檢驗,如表5所示。

    對比表3 和表5,不難發(fā)現(xiàn),與單一節(jié)點指標相比,特征融合后分類精度都取得了不錯的效果,但本文中提出的基于網(wǎng)絡(luò)特征加權(quán)融合算法在分類的穩(wěn)定性和精度上仍然優(yōu)于傳統(tǒng)的特征首尾串聯(lián)融合算法。綜上所述,本文所提出的特征加權(quán)融合模型具有優(yōu)良性能。因此,本文的方法將有利于提高自閉癥檢測的精準性。

    表5 特征加權(quán)融合和特征串聯(lián)融合分類準確率Tab.5 Classification accuracy of feature weighted fusion and feature non-weighted fusion

    3 討論

    3.1 網(wǎng)絡(luò)特征加權(quán)融合分析

    本研究順應(yīng)當下人工智能時代,參照健康對照組,提出了一種網(wǎng)絡(luò)特征加權(quán)融合的方法,并將其運用在自閉癥的識別檢測上。通過對不同的腦網(wǎng)絡(luò)拓撲指標進行加權(quán)融合,在網(wǎng)絡(luò)層面上融合多種網(wǎng)絡(luò)特征,使得分類器所得到的腦網(wǎng)絡(luò)信息更加全面。通過和單一節(jié)點指標特征進行對比,該方法取得了較好的分類結(jié)果,比單一節(jié)點指標特征分類準確率平均提高21.05%,而相對于傳統(tǒng)的首尾串聯(lián)融合在精度上提高了4.74%。這種加權(quán)融合的算法為臨床輔助診斷自閉癥提供了一種新方法。

    值得注意的是,文獻[12]將多種尺度腦網(wǎng)絡(luò)的特征進行融合,對抑郁癥患者進行早期檢測,識別率可達88.67%,相對于單一尺度下網(wǎng)絡(luò)特征均有明顯的提高。文獻[28]結(jié)合節(jié)點相關(guān)屬性和整個網(wǎng)絡(luò)拓撲相關(guān)屬性融合對阿爾茨海默病進行分類,最終實現(xiàn)了91.9%的分類準確率,比基于單一拓撲指標特征的方法高10.8%;文獻[29]通過利用rs-fMRI 構(gòu)建動態(tài)腦網(wǎng)絡(luò),對rs-fMRI時間序列特征和高階網(wǎng)絡(luò)的拓撲屬性特征進行融合對輕度認知障礙患者識別診斷,最終分類準確率達到了87.7%,比最先進的方法至少提高了5.5%。由此可見,通過采用融合多種形式的腦網(wǎng)絡(luò)拓撲指標方法可以提高分類精度,為早期患者識別檢測提供了新指標和方法論,本文實踐處于當前高水平。

    3.2 功能影像標志性腦區(qū)

    本文提出腦功能網(wǎng)絡(luò)特征加權(quán)融合的自閉癥檢測模型,提取了特征腦區(qū)主要包括在后扣帶回、梭狀回、顳中回、海馬旁回等默認模式網(wǎng)絡(luò)區(qū)域中。研究表明,后扣帶回腦區(qū)可能具有調(diào)節(jié)腦網(wǎng)絡(luò)穩(wěn)定性的作用,從而影響注意力的集中[30];顳中回是語言、情感和社會認知基礎(chǔ)網(wǎng)絡(luò)的一部分[31];此外,有研究發(fā)現(xiàn)與健康對照相比,自閉癥患者的頂葉和顳葉皮質(zhì)厚度增加[32,33],另外,還有一些基于任務(wù)的連通性研究也報告了ASD 患者在任務(wù)相關(guān)大腦區(qū)域的連通性不足,包括在涉及工作記憶的額葉、頂葉、枕葉連接[34-36];在默認網(wǎng)絡(luò)中,Weng等人[37]發(fā)現(xiàn)ASD的社交障礙與默認網(wǎng)絡(luò)的多個區(qū)域的連接強度有關(guān)。具體表現(xiàn)在后扣帶皮層、額上回、顳葉與海馬旁回之間連接性減弱。說明自閉癥患者在這些大腦區(qū)域相對健康對照組較為敏感,與本文提取的特異于ASD的特征腦區(qū)有很大交集。

    3.3 局限性

    雖然,本文提出的網(wǎng)絡(luò)特征指標加權(quán)融合方法在識別ASD取得了較好的實驗結(jié)果,但研究具有一些局限性。文中采用了解剖模板AAL,已有研究發(fā)現(xiàn)存在一些潛在局限性[38]。例如,腦區(qū)劃分較為粗糙,可能會忽略較為重要的皮層和邊界信息。未來的研究中可以采用多模板方法進行網(wǎng)絡(luò)分析,在一定程度上解決單一模板的偏差。

    4 結(jié)論

    本研究在偏相關(guān)性的功能連接構(gòu)建腦功能網(wǎng)絡(luò)基礎(chǔ)上,對照健康組,提出網(wǎng)絡(luò)特征加權(quán)融合算法,提取了特異于ASD 的靜息態(tài)腦功能網(wǎng)絡(luò)的影像學標記,以此為特征向量輸入到機器學習中,可明顯提升對ASD識別的準確率,比單一節(jié)點指標特征分類準確率平均提高21.05%,可達89.47%,也比傳統(tǒng)的無加權(quán)特征融合提高了4.74%,提高了識別精準性。

    作者利益沖突聲明:全部作者均聲明無利益沖突。

    猜你喜歡
    自閉癥分類特征
    分類算一算
    關(guān)愛自閉癥群體應(yīng)從消除誤解開始
    “基因剪刀”或可減輕自閉癥癥狀
    如何表達“特征”
    不忠誠的四個特征
    當代陜西(2019年10期)2019-06-03 10:12:04
    分類討論求坐標
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    抓住特征巧觀察
    自閉癥是個什么鬼?
    海峽姐妹(2017年5期)2017-06-05 08:53:17
    亚洲美女搞黄在线观看 | 亚洲久久久久久中文字幕| 久久久精品大字幕| 国产一区二区三区视频了| 少妇被粗大猛烈的视频| 日韩强制内射视频| 最近在线观看免费完整版| 国内久久婷婷六月综合欲色啪| 国产探花极品一区二区| 国产三级中文精品| 欧美日韩中文字幕国产精品一区二区三区| 国产成人aa在线观看| 一本精品99久久精品77| av福利片在线观看| 99久久中文字幕三级久久日本| 亚洲国产精品成人综合色| 成人鲁丝片一二三区免费| 午夜视频国产福利| 男人舔奶头视频| 哪里可以看免费的av片| 国产精品美女特级片免费视频播放器| 午夜免费男女啪啪视频观看 | 亚洲国产欧洲综合997久久,| 欧美色视频一区免费| 国产又黄又爽又无遮挡在线| 国内精品美女久久久久久| 免费电影在线观看免费观看| 高清毛片免费观看视频网站| 国产 一区 欧美 日韩| 亚洲精品一卡2卡三卡4卡5卡| 18禁黄网站禁片免费观看直播| 日韩欧美精品免费久久| 色av中文字幕| 日本成人三级电影网站| 欧美黑人欧美精品刺激| 别揉我奶头~嗯~啊~动态视频| 又黄又爽又刺激的免费视频.| 女同久久另类99精品国产91| 日本色播在线视频| 欧美zozozo另类| 蜜桃亚洲精品一区二区三区| 伊人久久精品亚洲午夜| 国产三级中文精品| 俄罗斯特黄特色一大片| 午夜福利成人在线免费观看| 白带黄色成豆腐渣| 午夜a级毛片| 91久久精品国产一区二区成人| 成熟少妇高潮喷水视频| 又紧又爽又黄一区二区| 国产蜜桃级精品一区二区三区| 欧美在线一区亚洲| 欧美高清性xxxxhd video| 欧美日韩瑟瑟在线播放| 色综合亚洲欧美另类图片| 亚洲精品影视一区二区三区av| 欧美另类亚洲清纯唯美| 国产亚洲精品久久久久久毛片| 久久久久久久久大av| 一区二区三区免费毛片| 国内精品久久久久精免费| 动漫黄色视频在线观看| 床上黄色一级片| 能在线免费观看的黄片| 91狼人影院| 此物有八面人人有两片| 亚洲最大成人av| 精品无人区乱码1区二区| 色综合婷婷激情| av在线观看视频网站免费| 亚洲最大成人av| 色视频www国产| 成人一区二区视频在线观看| 日韩欧美国产一区二区入口| 综合色av麻豆| 女的被弄到高潮叫床怎么办 | 日韩亚洲欧美综合| 国产精品人妻久久久久久| 亚洲精品亚洲一区二区| 天美传媒精品一区二区| 级片在线观看| 欧美日韩黄片免| 亚洲熟妇中文字幕五十中出| 一级黄片播放器| 尾随美女入室| 久久这里只有精品中国| 午夜精品在线福利| 日韩在线高清观看一区二区三区 | 男人和女人高潮做爰伦理| 午夜福利成人在线免费观看| 国产欧美日韩一区二区精品| 久久久午夜欧美精品| 欧美三级亚洲精品| 一区二区三区激情视频| 亚洲 国产 在线| 草草在线视频免费看| 亚洲精品色激情综合| 乱人视频在线观看| 春色校园在线视频观看| 久久久久性生活片| 亚洲天堂国产精品一区在线| 中文字幕av在线有码专区| 国产黄片美女视频| 午夜福利高清视频| 久久国产乱子免费精品| АⅤ资源中文在线天堂| 欧美激情在线99| 成人性生交大片免费视频hd| 亚洲美女搞黄在线观看 | 日日夜夜操网爽| 国产极品精品免费视频能看的| 国产一区二区在线观看日韩| 狂野欧美激情性xxxx在线观看| 桃红色精品国产亚洲av| 亚洲美女搞黄在线观看 | 熟女电影av网| 热99在线观看视频| 欧美日韩乱码在线| 国产麻豆成人av免费视频| 91在线观看av| 香蕉av资源在线| 在现免费观看毛片| 亚洲,欧美,日韩| 搡女人真爽免费视频火全软件 | 很黄的视频免费| 中文字幕高清在线视频| 国产真实伦视频高清在线观看 | 99久久久亚洲精品蜜臀av| 琪琪午夜伦伦电影理论片6080| 午夜激情福利司机影院| 国语自产精品视频在线第100页| 高清日韩中文字幕在线| 热99re8久久精品国产| 国产成人一区二区在线| 在线免费观看的www视频| 99在线视频只有这里精品首页| 看片在线看免费视频| 色在线成人网| 午夜福利视频1000在线观看| 亚洲无线观看免费| 日日撸夜夜添| xxxwww97欧美| 老熟妇乱子伦视频在线观看| 国产成人福利小说| 精品日产1卡2卡| 国产视频一区二区在线看| 国产欧美日韩精品亚洲av| 韩国av在线不卡| 成人国产综合亚洲| 有码 亚洲区| 国产69精品久久久久777片| 国产精品一区二区三区四区免费观看 | 国产高清不卡午夜福利| 国产精品爽爽va在线观看网站| 如何舔出高潮| 亚洲国产高清在线一区二区三| 又爽又黄a免费视频| 亚洲精品乱码久久久v下载方式| 变态另类成人亚洲欧美熟女| 亚洲av日韩精品久久久久久密| 国产单亲对白刺激| 日本-黄色视频高清免费观看| 麻豆国产97在线/欧美| 国产日本99.免费观看| 又黄又爽又免费观看的视频| 床上黄色一级片| 免费看av在线观看网站| 久久精品91蜜桃| 国产精品日韩av在线免费观看| 97超级碰碰碰精品色视频在线观看| 欧美日韩瑟瑟在线播放| 琪琪午夜伦伦电影理论片6080| 亚洲欧美精品综合久久99| 日本黄色视频三级网站网址| 岛国在线免费视频观看| 中文字幕高清在线视频| 色吧在线观看| 亚洲精品456在线播放app | 午夜精品久久久久久毛片777| a级一级毛片免费在线观看| 村上凉子中文字幕在线| 午夜福利视频1000在线观看| 日日摸夜夜添夜夜添av毛片 | 女的被弄到高潮叫床怎么办 | 亚洲欧美日韩高清专用| 特级一级黄色大片| 国产蜜桃级精品一区二区三区| 日本一二三区视频观看| 韩国av一区二区三区四区| 婷婷色综合大香蕉| 国产真实乱freesex| 亚洲午夜理论影院| www日本黄色视频网| videossex国产| 欧美一级a爱片免费观看看| 日韩一本色道免费dvd| 日韩欧美免费精品| 真实男女啪啪啪动态图| 国产午夜精品久久久久久一区二区三区 | 国产精品人妻久久久影院| 能在线免费观看的黄片| 一个人看的www免费观看视频| 亚洲av美国av| 国产精品伦人一区二区| 日本黄大片高清| a级毛片a级免费在线| 欧美成人免费av一区二区三区| 精品不卡国产一区二区三区| 有码 亚洲区| 亚洲精品456在线播放app | 国产欧美日韩一区二区精品| 国产精品国产高清国产av| 美女高潮喷水抽搐中文字幕| 久久精品国产99精品国产亚洲性色| 成人国产综合亚洲| 热99在线观看视频| 大又大粗又爽又黄少妇毛片口| 亚洲人成网站高清观看| 亚洲va在线va天堂va国产| 国产v大片淫在线免费观看| 国产av麻豆久久久久久久| 亚洲真实伦在线观看| 久久6这里有精品| 观看免费一级毛片| 久久国产乱子免费精品| 久久久国产成人免费| 内射极品少妇av片p| 深夜精品福利| 91麻豆av在线| 精品人妻偷拍中文字幕| 国产精品久久视频播放| 色5月婷婷丁香| 国产蜜桃级精品一区二区三区| 18禁黄网站禁片午夜丰满| 亚洲欧美日韩东京热| 日韩欧美三级三区| 亚洲欧美精品综合久久99| 国产午夜福利久久久久久| 欧美性猛交╳xxx乱大交人| 直男gayav资源| 午夜福利在线在线| 美女cb高潮喷水在线观看| 看黄色毛片网站| 久久婷婷人人爽人人干人人爱| 热99re8久久精品国产| 亚洲人成网站在线播放欧美日韩| 校园人妻丝袜中文字幕| 在线国产一区二区在线| 99热只有精品国产| 又爽又黄a免费视频| 国产三级中文精品| 国产亚洲精品久久久com| 韩国av一区二区三区四区| 久久精品国产清高在天天线| 一级av片app| 动漫黄色视频在线观看| 夜夜爽天天搞| 国产伦一二天堂av在线观看| 国产精品三级大全| 九色国产91popny在线| 亚洲精品一区av在线观看| 亚洲va在线va天堂va国产| 中国美白少妇内射xxxbb| 高清日韩中文字幕在线| 人妻久久中文字幕网| 国产免费一级a男人的天堂| 日日干狠狠操夜夜爽| 欧美最黄视频在线播放免费| 一进一出好大好爽视频| 精品午夜福利视频在线观看一区| av天堂在线播放| 好男人在线观看高清免费视频| 少妇高潮的动态图| а√天堂www在线а√下载| 成人欧美大片| АⅤ资源中文在线天堂| 欧美一级a爱片免费观看看| 99久久精品热视频| 国产久久久一区二区三区| 人人妻人人澡欧美一区二区| 欧美xxxx性猛交bbbb| 亚洲人成网站在线播放欧美日韩| 日本 欧美在线| 亚洲性久久影院| 亚洲熟妇熟女久久| 亚洲三级黄色毛片| 久久精品影院6| 老师上课跳d突然被开到最大视频| 美女大奶头视频| 国产成人av教育| 免费观看在线日韩| 俺也久久电影网| 亚洲色图av天堂| 少妇裸体淫交视频免费看高清| 真人做人爱边吃奶动态| 精品久久国产蜜桃| 国产欧美日韩精品一区二区| 亚洲熟妇中文字幕五十中出| 天堂网av新在线| 黄色女人牲交| 欧美国产日韩亚洲一区| 精品国产三级普通话版| 在线天堂最新版资源| 我要搜黄色片| 亚洲中文日韩欧美视频| 欧美性猛交黑人性爽| 亚洲在线自拍视频| 高清日韩中文字幕在线| 老师上课跳d突然被开到最大视频| 男人舔女人下体高潮全视频| 亚洲人成网站在线播| 亚洲 国产 在线| 亚洲欧美日韩高清专用| 两个人的视频大全免费| 国产淫片久久久久久久久| 国产精品亚洲一级av第二区| 久久久久国内视频| 伦理电影大哥的女人| 制服丝袜大香蕉在线| 中文字幕高清在线视频| 中文字幕熟女人妻在线| 韩国av一区二区三区四区| 成人特级av手机在线观看| 人妻丰满熟妇av一区二区三区| 国产精品久久久久久精品电影| 老司机福利观看| 午夜福利18| 精品无人区乱码1区二区| 中国美白少妇内射xxxbb| 国产男人的电影天堂91| 啦啦啦观看免费观看视频高清| 国产精品一及| 国产av一区在线观看免费| 国内揄拍国产精品人妻在线| 亚洲久久久久久中文字幕| 黄片wwwwww| 91精品国产九色| 精品久久久久久,| 国内精品久久久久久久电影| 国产三级在线视频| 成年女人毛片免费观看观看9| 欧美日本亚洲视频在线播放| 国产精品伦人一区二区| 少妇被粗大猛烈的视频| 亚洲国产精品久久男人天堂| 久久精品国产自在天天线| 91精品国产九色| 成人三级黄色视频| 蜜桃亚洲精品一区二区三区| 在线观看一区二区三区| 久久精品国产鲁丝片午夜精品 | 亚洲精品456在线播放app | 九色国产91popny在线| 亚洲综合色惰| 老师上课跳d突然被开到最大视频| 久久久成人免费电影| 欧洲精品卡2卡3卡4卡5卡区| 九九久久精品国产亚洲av麻豆| 亚洲av电影不卡..在线观看| 成人国产麻豆网| 日韩欧美在线二视频| 搡女人真爽免费视频火全软件 | 国产精品电影一区二区三区| 色综合站精品国产| av在线亚洲专区| 深爱激情五月婷婷| 欧美精品啪啪一区二区三区| 丝袜美腿在线中文| 麻豆成人av在线观看| 97热精品久久久久久| 亚洲专区国产一区二区| 国产成人影院久久av| 夜夜看夜夜爽夜夜摸| 俺也久久电影网| 成人特级黄色片久久久久久久| 日韩欧美精品免费久久| 日本黄大片高清| 亚洲国产色片| 亚洲精品亚洲一区二区| 欧美3d第一页| 久久精品久久久久久噜噜老黄 | 久久人人爽人人爽人人片va| 国产激情偷乱视频一区二区| 久久久久久大精品| 成人永久免费在线观看视频| 噜噜噜噜噜久久久久久91| 国产色爽女视频免费观看| 一级a爱片免费观看的视频| 国产精品久久视频播放| 精品久久久噜噜| 国产不卡一卡二| 能在线免费观看的黄片| 国产精品1区2区在线观看.| 久久久精品欧美日韩精品| 最近最新中文字幕大全电影3| 午夜影院日韩av| 午夜精品久久久久久毛片777| 看十八女毛片水多多多| 露出奶头的视频| 国产色爽女视频免费观看| 久久国产乱子免费精品| 成人av在线播放网站| h日本视频在线播放| 乱人视频在线观看| 精品久久久噜噜| 国产高清激情床上av| 麻豆av噜噜一区二区三区| 身体一侧抽搐| 中亚洲国语对白在线视频| 亚洲无线观看免费| 男女边吃奶边做爰视频| 国产高清三级在线| 久久这里只有精品中国| 又黄又爽又刺激的免费视频.| 久久人人爽人人爽人人片va| 国产精品不卡视频一区二区| 女人十人毛片免费观看3o分钟| 国产精品1区2区在线观看.| 高清毛片免费观看视频网站| 国产精品综合久久久久久久免费| 国产日本99.免费观看| 亚洲国产精品sss在线观看| 色av中文字幕| 精品乱码久久久久久99久播| 欧美潮喷喷水| 我要搜黄色片| 国产高清不卡午夜福利| 国产真实乱freesex| 人人妻,人人澡人人爽秒播| 性欧美人与动物交配| www日本黄色视频网| 亚洲第一电影网av| 国产男人的电影天堂91| 亚洲国产日韩欧美精品在线观看| 狠狠狠狠99中文字幕| 波野结衣二区三区在线| 亚洲四区av| 日韩人妻高清精品专区| 成人二区视频| 久久久久久久久大av| 亚洲在线自拍视频| 最近视频中文字幕2019在线8| 日本熟妇午夜| 亚洲va在线va天堂va国产| 一区二区三区高清视频在线| 成人鲁丝片一二三区免费| 成人国产麻豆网| 国产精品一区二区免费欧美| 亚洲无线在线观看| 天天一区二区日本电影三级| 亚洲va在线va天堂va国产| 91久久精品电影网| 女人被狂操c到高潮| 成人国产麻豆网| 国产在线精品亚洲第一网站| 亚洲最大成人av| 黄色一级大片看看| 一本一本综合久久| 男人舔女人下体高潮全视频| 免费黄网站久久成人精品| 国产91精品成人一区二区三区| 成人一区二区视频在线观看| 搡老妇女老女人老熟妇| 一级黄色大片毛片| 能在线免费观看的黄片| 五月伊人婷婷丁香| 又黄又爽又刺激的免费视频.| 丰满乱子伦码专区| 99久久九九国产精品国产免费| 最后的刺客免费高清国语| 国内少妇人妻偷人精品xxx网站| 美女高潮的动态| 99久久精品热视频| 国产伦精品一区二区三区四那| 美女xxoo啪啪120秒动态图| 国产黄片美女视频| 国产人妻一区二区三区在| 国产真实伦视频高清在线观看 | 男女边吃奶边做爰视频| 人妻制服诱惑在线中文字幕| 搡老熟女国产l中国老女人| 国产精品久久久久久av不卡| 国产高清视频在线播放一区| 如何舔出高潮| 亚洲国产欧洲综合997久久,| 成人永久免费在线观看视频| a在线观看视频网站| 亚洲 国产 在线| 成熟少妇高潮喷水视频| 亚洲av成人av| 国产精品乱码一区二三区的特点| 少妇猛男粗大的猛烈进出视频 | av福利片在线观看| 欧美xxxx性猛交bbbb| 国产一区二区在线观看日韩| 亚洲在线观看片| 我要看日韩黄色一级片| 一级黄色大片毛片| 精品无人区乱码1区二区| 久久亚洲精品不卡| 免费一级毛片在线播放高清视频| 欧美zozozo另类| 色哟哟哟哟哟哟| 女人被狂操c到高潮| 99久久中文字幕三级久久日本| 在线国产一区二区在线| 久久午夜福利片| 久久久久久九九精品二区国产| 老司机午夜福利在线观看视频| 香蕉av资源在线| 欧美高清成人免费视频www| 毛片一级片免费看久久久久 | 春色校园在线视频观看| 日本与韩国留学比较| 国产在视频线在精品| 久久久久久国产a免费观看| 亚洲va日本ⅴa欧美va伊人久久| 给我免费播放毛片高清在线观看| 精品久久久久久,| 九色国产91popny在线| 美女xxoo啪啪120秒动态图| 久久香蕉精品热| 国产视频内射| 在线免费观看的www视频| 搡老熟女国产l中国老女人| 最后的刺客免费高清国语| 波多野结衣高清无吗| 日本三级黄在线观看| 九九热线精品视视频播放| 黄色日韩在线| x7x7x7水蜜桃| 国产私拍福利视频在线观看| 国产午夜精品论理片| 日本一二三区视频观看| 国产一区二区三区av在线 | 日本在线视频免费播放| 久久精品综合一区二区三区| 波野结衣二区三区在线| aaaaa片日本免费| 国产91精品成人一区二区三区| 91在线观看av| 午夜福利视频1000在线观看| 亚洲国产精品sss在线观看| 成人美女网站在线观看视频| 两个人视频免费观看高清| 国产高清视频在线播放一区| 日韩欧美在线二视频| 亚洲精品国产成人久久av| .国产精品久久| 欧美色欧美亚洲另类二区| 99热网站在线观看| 国产伦一二天堂av在线观看| 久久午夜亚洲精品久久| 欧美bdsm另类| 午夜视频国产福利| 日韩欧美精品免费久久| 村上凉子中文字幕在线| 亚洲在线观看片| av视频在线观看入口| 22中文网久久字幕| 久久久久精品国产欧美久久久| 极品教师在线免费播放| 精品一区二区三区视频在线观看免费| 久久久国产成人精品二区| 久久精品影院6| 国产黄片美女视频| 在线看三级毛片| 亚洲av美国av| 日韩精品中文字幕看吧| 午夜激情欧美在线| 日韩欧美三级三区| 欧美日韩瑟瑟在线播放| 日韩 亚洲 欧美在线| 亚洲av.av天堂| 久久精品国产亚洲av涩爱 | 春色校园在线视频观看| 五月伊人婷婷丁香| 小蜜桃在线观看免费完整版高清| 可以在线观看毛片的网站| 91久久精品国产一区二区成人| 亚洲精品亚洲一区二区| 九色国产91popny在线| 日日干狠狠操夜夜爽| 男女啪啪激烈高潮av片| 国产综合懂色| 欧美成人性av电影在线观看| 日韩一本色道免费dvd| 老师上课跳d突然被开到最大视频| 校园人妻丝袜中文字幕| 日本免费一区二区三区高清不卡| 黄色丝袜av网址大全| 在线观看美女被高潮喷水网站| 国语自产精品视频在线第100页| 99久久精品国产国产毛片| 大型黄色视频在线免费观看| 一级黄片播放器| av国产免费在线观看| 尤物成人国产欧美一区二区三区| 免费不卡的大黄色大毛片视频在线观看 | 色哟哟·www| 国产成人一区二区在线| 日本 欧美在线| 国产高潮美女av| 久久草成人影院| 久久久久久伊人网av| 日日摸夜夜添夜夜添小说| 免费观看人在逋| 女同久久另类99精品国产91| 国产精品美女特级片免费视频播放器| 97人妻精品一区二区三区麻豆| 又爽又黄a免费视频| 亚洲国产欧美人成| 欧美日韩瑟瑟在线播放| 国产亚洲精品久久久com| 亚洲真实伦在线观看|