标题：融合感兴趣区域时空特征的阿尔茨海默症分类任务
作者：李瑞1，2 胡众义1，2 高礼彬1，2 卢星进1，2
作者单位：1 温州大学计算机与人工智能学院，浙江 温州 325035；2 温州市智能影像处理与分析重点实验室，浙江 温州 325035
关键字：功能连接网络；感兴趣区域；动态相关系数核；时空特征融合；阿尔茨海默症；分类任务
摘要：传统的功能连接网络模型只提取功能磁共振成像（functional Magnetic Resonance Imaging，fMRI）感兴趣区域（Regions Of Interest，ROIs）的时域特征，用于阿尔茨海默症（Alzheimer's Disease，AD）分类。该模型忽略了ROIs的空域特征，例如脑区之间的两两相关性。不完整的时空特征直接影响阿尔茨海默症、晚期认知障碍（late Mild Cognitive Impairment，lMCI）、早期认知障碍（early Mild Cognitive Impairment，eMCI）和健康对照（Healthy Controls，HC）分类任务的精确度。提出使用动态相关系数核（称为DC-kernel）对空域特征进行动态获取，并与时域特征进行特征融合。实验结果表明，在AD、lMCI、eMCI和HC四分类任务中，较传统阿尔茨海默症的准确率有提高，为其它脑疾病的分类任务提供了一种新的思路。