脑网络构建与分类工具箱 (BrainNetClass)
神经元与认知
2020-03-13 v1 计算机视觉与模式识别
机器学习
摘要
脑功能网络已成为理解脑功能与疾病的一种日益广泛使用的方法。许多网络构建方法已被开发出来，然而大多数研究仍使用基于静态成对皮尔逊相关的功能连接。本工作的目标是向该领域介绍一个名为“脑网络构建与分类”(BrainNetClass) 的工具箱，以推广更先进的脑网络构建方法。它包含多种脑网络构建方法，包括一些最近开发的用于捕捉脑区之间更复杂相互作用的前沿方法，以及连接组特征提取、降维、参数优化以实现基于网络的个体化分类。BrainNetClass 是一个基于 MATLAB、开源、跨平台的工具箱，具有图形化用户友好界面，供认知与临床神经科学家进行严谨的计算机辅助诊断并获得可解释的结果展示，即使他们不具备神经影像计算与机器学习知识。我们在真实静息态功能磁共振成像数据集上展示了该工具箱的实现。BrainNetClass (v1.0) 可从 https://github.com/zzstefan/BrainNetClass 下载。
引用
@article{arxiv.1906.09908,
title = {Brain Network Construction and Classification Toolbox (BrainNetClass)},
author = {Zhen Zhou and Xiaobo Chen and Yu Zhang and Lishan Qiao and Renping Yu and Gang Pan and Han Zhang and Dinggang Shen},
journal= {arXiv preprint arXiv:1906.09908},
year = {2020}
}