Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Przeglądasz jako GOŚĆ
Tytuł pozycji:

Data Driven Classification Using fMRI Network Measures: Application to Schizophrenia

Tytuł :
Data Driven Classification Using fMRI Network Measures: Application to Schizophrenia
Autorzy :
Pantea Moghimi
Kelvin O. Lim
Theoden I. Netoff
Pokaż więcej
Temat :
resting-state fMRI
classification
network measures
double cross validation
prewhitening
schizophrenia
Neurosciences. Biological psychiatry. Neuropsychiatry
RC321-571
Źródło :
Frontiers in Neuroinformatics, Vol 12 (2018)
Wydawca :
Frontiers Media S.A., 2018.
Rok publikacji :
2018
Kolekcja :
LCC:Neurosciences. Biological psychiatry. Neuropsychiatry
Typ dokumentu :
article
Opis pliku :
electronic resource
Język :
English
ISSN :
1662-5196
Relacje :
https://www.frontiersin.org/article/10.3389/fninf.2018.00071/full; https://doaj.org/toc/1662-5196
DOI :
10.3389/fninf.2018.00071
Dostęp URL :
https://doaj.org/article/b29e1b47eb0b442998b927f67a5c869d
Prawa :
Journal Licence: CC BY
Numer akcesji :
edsdoj.b29e1b47eb0b442998b927f67a5c869d
Czasopismo naukowe
Using classification to identify biomarkers for various brain disorders has become a common practice among the functional MR imaging community. Typical classification pipeline includes taking the time series, extracting features from them, and using them to classify a set of patients and healthy controls. The most informative features are then presented as novel biomarkers. In this paper, we compared the results of single and double cross validation schemes on a cohort of 170 subjects with schizophrenia and healthy control subjects. We used graph theoretic measures as our features, comparing the use of functional and anatomical atlases to define nodes and the effect of prewhitening to remove autocorrelation trends. We found that double cross validation resulted in a 20% decrease in classification performance compared to single cross validation. The anatomical atlas resulted in higher classification results. Prewhitening resulted in a 10% boost in classification performance. Overall, a classification performance of 80% was obtained with a double-cross validation scheme using prewhitened time series and an anatomical brain atlas. However, reproducibility of classification within subjects across scans was surprisingly low and comparable to across subject classification rates, indicating that subject state during the short scan significantly influences the estimated features and classification performance.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies