用于脑连接网络分类的序数模式核

脑连接网络刻画了脑区之间的功能或结构交互，已被广泛用于脑疾病分类。基于核的方法，如图核（即在图上定义的核），已被提出用于度量脑网络的相似性，并取得了有前景的分类性能。然而，大多数图核构建于边存在与否的非加权图（即网络）上，忽略了脑连接网络中边权重所蕴含的宝贵信息，而边权重传达了脑区之间时间相关性或纤维连接的强度。为此，本文提出一种用于脑连接网络分类的序数模式核。与现有度量非加权图拓扑相似性的图核不同，所提出的序数模式核通过比较来自加权网络的序数模式来计算加权网络的相似性。为评估所提序数核的有效性，我们进一步开发了基于深度优先搜索的序数模式核，并在来自ADNI数据库的脑疾病真实数据集上进行了大量实验。结果表明，与最先进的图核相比，我们提出的序数模式核能取得更好的分类性能。