基于神经网络的精神分裂症判别分析

本文主要利用神经网络进行精神分裂症患者和正常人的判别分析.以63例精神分裂症患者和57例正常人的4005条功能连接作为原始特征空间,尝试用不同的降维方法,不同的神经网络模型来寻找最优分类模型.结果表明用Mann-WhitneyU检验选取病人与正常人差异最大的特征作为输入,用Elman神经网络模型作分类的效果最佳,正确率94.17%,置换检验p<0.001,敏感度92.06%,特异度96.49%.对于得到最高分类正确率的神经网络模型,我们找出了34条对分类取到最大贡献作用的共识功能连接,里面包含了26个脑区,这26个脑区中尤以丘脑所对应的功能连接边数最多,其次是扣带回和额叶.