中南大学计算机学院、生物信息学湖南省重点实验室成员刘亮亮博士研究生在精神疾病特征提取方法领域取得重要研究成果。该研究成果以“An ensemble hybrid feature selection method for neuropsychiatric disorder classification”为题，被国际生物信息学权威期刊《IEEE/ACM Transactions on Computational Biology and Bioinformatics》 (IF=3.015)录用。
单一的MRI数据或表型记录限制了精神病分类器的性能，而有限的样本量和黑盒问题限制了深度学习方法的应用。该研究成果提出了一种集成混合特征选择方法并用于神经精神障碍分类。该方法由3D DenseNet和XGBoost组成。3D DenseNet用来从结构MRI图像提取上下文语义特征信息，XGBoost用来从精神疾病表型记录中选择表型特征，最终将两种特征信息按序进行拼接生成混合特征，并与多个分类器结合实现对精神疾病的分类。该研究在Consortium for Neuropsychiatric Phenomics (CNP)数据集上进行了评估，数值实验结果表明，在交叉验证中，该研究提出的混合特征选方法能有效地提升分类器的性能，并且与表型特征的结合提高了图像特征的可解释性。
集成混合特征提取模型结构图