复杂网络节点相似性算法及其在癫痫病辅助诊断的应用.pdf

2017年 第 26卷 第 1期 http：／w／ww．c—S—a．org．ca 计 算 机 系 统 应 用 复杂网络节点相似性算法及其在癫痫病辅助诊断的应 用① 何 艳 ，赵晓婷 ，于云莉 (贵州医科大学 生物与工程学院，贵阳 550004) (贵卅I医科大学附属医院 神经内科，贵阳 550004) 摘 要：节点相似性分析是链路预测和社团挖掘中的重要部分．引入 CN(CommonNeighbor,共同邻居)算法、 RA(ResourceAllocation，资源分配)算法、AA(Adamic．Adar)算法、Sorenson算法等四种节点相似性算法作用于真 实网络以及仿真网络(即小世界网络和无标度网络)网络，计算AUC(AreaUndertheCurve，曲线下面积)曲线从而 比较算法的预测准确性，结果表明RA算法的预测准确性优于其他三种算法．随后将四种算法用于分析 8例全身 性癫痫患者脑电数据功能连接 网络，结果发现 RA算法预测准确性最佳，通过 RA算法能确定最大节点相似度组 成的节点簇，为量化大脑功能状态提供客观指标，未来可以将该方法用于临床辅助诊断． 关键词：复杂网络；节点相似性；链路预测；癫痫 NodeSin,：～-qtyAlgorithm onComplexNetworkandItsApplicationinEpilepsyAuxiaryDiagnosis HEYan，ZHAOXiao．Ting，YUYun—Li (SchoolofBiologyEngineering，GuizhouMedicalUniversity,Guiyang550004，China) (DepartmentofNeurology,AffiliatedHospitalofGuizhouMedicalUniversiyt,Guiyang550004，China) Abstract：Theinvestigationofnodesimilarityisanimportantcomponentinlinkpredictionnadcommuniytdetection．In thispaper,fourkindsofalgorithmsincludingcommonneighbor(CN)，resourceallocation(RA)，Adamic—Adra(AA)nad Sorensonareintroducedintovraiouskindsofrealnetworksandwtokindsofsimulationnetworkscomprisedofsmall worldnewtorkandscalefreenewtork．TheAreaUndertheCurve(AUC)iscomputedtocomparetheirpredictive accuracy．It’Sofun dthatRA performsmuchbeRerthantheotherthreekindsofalgorithms．Thenofur algorithmsare adoptedinfunctionalconnectiviyt newtorkshtatchraacterizeelecrtoencephalograph(EEG)recordingsfrom eight patientswithgeneralizedepilepsy~It’SdemonsrtatedthatRA performsbestrfom thepointofprediction accuracy． AccordingtoRAtechnique，clusterscouldbedetemr inedrfom nodesthatownmaximum similraiytwhichprovidesna objectiveindexofrquantilyingbraincondition，andthismightbeappliedofrclinicalauxiliarydiagnosisintheufture． Keywords：complexnewtork；nodesimilraiyt；link prediction；epilepsy 大脑是一个复杂系统，其信息传递和认知功能实 损伤，可能表现 出学习记忆能力减退或衰弱．目前国 现依赖于大脑中的神经电活动．已知大脑电活动其时 内约 1000万癫痫患者，一般假设癫痫患者大脑回路特 空分辨率随记录手段而变化，但总体呈现出高维度和