Major depressive disorder identification by referenced multiset canonical correlation analysis with clinical scores
Major depressive disorder identification by referenced multiset canonical correlation analysis with clinical scores
复制标题
通过参考多集典型相关分析与临床评分识别重度抑郁症
DOI：
10.1016/j.media.2019.101600
复制
发表时间：
2019-11
影响因子：
10.9
通讯作者：
Yang Lihua
中科院分区：
文献类型：
--
作者：
Lin Wuhong;Lv Dongsheng;Han Ziliang;Dong Jianwei;Yang Lihua
提出了一种基于多集典型相关分析（mCCA）和线性判别分析（LDA）的抑郁症诊断方法。新方法包括两个部分，即mCCA-rreg和稀疏LDA模型。mCCA-rreg模型扩展了经典的典型相关模型，通过将引用限制在引用空间并添加空间正则化项来计算函数连接。参考空间用于确保模型通过降低我们不感兴趣的组件的重要性，首先从多个数据集中同时提取重要组件。空间正则化项有助于避免在低信噪比情况下的多重共线性和过拟合问题。稀疏LDA模型扩展了经典LDA模型，通过融合临床评分来提取一个小的判别分类特征子集。在真实的数据实验中，我们利用mCCA-rreg模型从45名被试中提取了两种功能连接模式。然后，我们构造分类器来识别MDD患者的基础上选择的稀疏LDA模型的连接。最佳准确率高于95%。结果表明，mCCA-rreg模型可以检索到的重要组成部分，其特征在于一个预先指定的参考空间，并排除噪声或不感兴趣的组件。稀疏LDA模型可以提取与临床评分相关的判别分类特征。
A novel method based on multiset canonical correlation analysis (mCCA) and linear discriminant analysis (LDA) is presented to identify the major depressive disorder (MDD). The new method comprises two parts, namely, the mCCA-rreg and sparse LDA models. The mCCA-rreg model extends the classical canonical correlation model to calculate functional connections by restricting the references to a reference space and adding a spatial regularization term. The reference space is used to ensure that the model extracts important components first from several datasets simultaneously by decreasing the importance of the components in which we are uninterested. The spatial regularization term helps in avoiding the multicollinearity and overfitting problems under the low signal-to-noise ratio circumstance. The sparse LDA model extends the classical LDA model to extract a small subset of discriminative classification features by fusing clinical scores. In the real data experiment, we extract two functional connection modes from 45 subjects by the mCCA-rreg model. Then, we construct classifiers to identify the patients with MDD based on the connections selected by the sparse LDA model. The best accuracy is higher than 95%. The results show that the mCCA-rreg model can retrieve the important components characterized by a preassigned reference space and exclude the noise or components of no interest. The sparse LDA model can extract discriminative classification features related to clinical scores.
登录
查看更多内容
基于 CCA 和 ICA 的混合模型，用于识别重度抑郁症。
DOI：
10.1109/tmi.2016.2631001
发表时间：
--
期刊：
IEEE Trans Med Imaging
影响因子：
--
作者：
Lin Wuhong;Wu Huawang;Liu Yishu;Lv Dongsheng;Yang Lihua
通讯作者：
Yang Lihua
影响因子：
2.9
作者：
Boubela RN;Kalcher K;Huf W;Kronnerwetter C;Filzmoser P;Moser E
通讯作者：
Moser E
DOI：
--
发表时间：
--
期刊：
--
影响因子：
--
作者：
Tao Blockindeng
通讯作者：
Tao Blockindeng
DOI：
10.1017/cbo9780511801389.013
发表时间：
2000-03
期刊：
--
影响因子：
--
作者：
N. Cristianini;J. Shawe-Taylor
通讯作者：
N. Cristianini;J. Shawe-Taylor
影响因子：
2.7
作者：
H. Hotelling
通讯作者：
H. Hotelling