轻度认知障碍磁共振信号中固有频率动态功能性连接的聚类研究

功能性连接（Functional connectivity， FC）可以表示脑区的协同工作能力，目前广泛采用动态功能性连接（Dynamic functional connectivity，DFC）和聚类分析相结合的方法研究疾病的显著性差异分析和分类。但现有研究，对于聚类个数的确定和聚类结果选用并没有明确的标准，且传统的DFC无法表示不同频率的FC信息。因此，本文对轻度认知障碍（Mild cognitive impairment， MCI）磁共振信号中固有频率DFC聚类问题进行研究。首先对被试的时间进程（Time course，TC）数据做噪音辅助的多元经验模态分解并计算DFC；然后通过评判辅助的聚类方法做聚类分析，再采用最小二乘对聚类结果做拟合；最后采用分类器做分类。实验采用阿尔茨海默病神经影像学（Alzheimer’s disease nearoimaging， ADNI）数据库的数据对本文算法进行测试。实验结果表明，有监督聚类分类准确率高于无监督聚类；引入固有频率的DFC分类准确率要高于传统的DFC；最小二乘拟合能提升分类准确率。