發(fā)布時間：2017-12-22 16:30

  本文關鍵詞：加權Fast Newman模塊化算法在人腦結構網絡中的應用　出處：《計算機應用》2016年12期 　論文類型：期刊論文

  更多相關文章： 模塊結構 Fast Newman算法 加權網絡 模塊度 人腦結構網絡

【摘要】：針對二值人腦結構網絡的模塊化方法不足以反映復雜的人腦生理特征這一問題,提出一種基于Fast Newman二值算法的加權腦網絡模塊化算法。該算法以凝聚節(jié)點的層次聚類思想為基礎,以腦網絡中單個腦區(qū)節(jié)點的權重值和腦網絡總權重值為主要依據(jù)構建加權模塊度評價指標,并將其增量作為度量值來確定加權腦網絡中節(jié)點的合并從而實現(xiàn)模塊劃分。將該算法應用于60個健康人的組平均數(shù)據(jù)中的實驗結果顯示,與二值人腦網絡模塊化結果相對比,所提算法得到的模塊度提高了28%,并且模塊內部和模塊外部的特征區(qū)分更加明顯,所得到的人腦模塊也更符合已知的人腦生理特性;而與現(xiàn)有的兩種加權模塊化算法實驗對比結果表明,所提算法在合理劃分人腦網絡模塊結構的同時也小幅提高了模塊度。
【作者單位】： 昆明理工大學信息工程與自動化學院;
【基金】：國家自然科學基金資助項目(61263017) 云南省自然科學基金資助項目(2011FZ060)~~
【分類號】：R338;TP301.6
【正文快照】： 0引言人腦是自然界最復雜的系統(tǒng)之一,負責人體的感知覺、語言、思維、情感、運動等各種功能和活動,科研工作者一直致力于使用各種新技術來研究和探索人腦的工作原理和運行機制。近年來基于核磁共振成像(Magnetic Resonance Imaging,MRI)的人腦結構重建技術[1]因其無創(chuàng)性的檢測，

本文編號：1320171