目的 利用静息态功能磁共振成像(resting-state functional magnetic resonance imaging,rs-fMRI)技术联合机器学习算法对自闭症患者进行分类,试图为早期识别自闭症提供参考依据.材料与方法 对24例自闭症患者和25例健康人的rs-fMRI数据进行预处理;然后,以偏相关性的功能连接(functional connection,FC)构建网络矩阵,并使用GRETNA软件选取稀疏度空间为0.05～0.50,以步长为0.05搭建脑功能网络,分别计算患者和健康人的4个局部节点指标;最后,将每类指标分类准确率所占比重作为权重系数进行特征融合,以此构建特征向量,输入到支持向量机中分类并进行交叉验证以检验融合效果.结果 特征加权融合方法平均准确率可达89.47％,比单一特征提高了21.05％,比无加权的融合方法提高了4.74％.结论 文中提出的特征加权融合法为rs-fMRI检测自闭症提供了新指标和新方法.
作者：赵小虎；葛曼玲；陈盛华；王磊；宋子博；谢冲；杨泽坤
来源：磁共振成像 2021 年 12卷 12期
