苗丽雯，田 程，李 婷，李佩珍，王 彬，曹 锐

(太原理工大学 计算机科学与技术学院，山西 太原 030024)

0 引 言

阿尔茨海默病(Alzheimer’s disease，AD)是导致痴呆的最主要原因之一[1]，轻度认知障碍(mild cognitive impairment，MCI)则是AD的早期表现。MCI和AD患者的脑网络研究中均发现不同程度的全脑或区域的功能连通性发生改变[2,3]。通过脑网络对MCI的分类研究提高MCI患者的诊断准确率，能够对痴呆的早期诊治起到较大的应用价值。

通常，脑网络分析首先计算时间序列两两之间的关联强度，构造加权连接矩阵。随后选择恰当的阈值或阈值范围，将加权矩阵转化成二值矩阵，即无权脑网络。然后计算各稀疏度下相应无权脑网络的拓扑属性，并对其属性值进行分析。该方法已经在很多研究中广泛使用并且取得了较大的成就，但其网络规模较大，计算过程中的时间代价和空间代价都非常大，同时在比较不同组和不同条件下各网络之间差异的过程中传统网络属性极易受到阈值选取以及网络平均连接强度的影响[4]。

最小生成树(minimum spanning tree，MST)是具有最小总权重的网络核心部分，连接了网络中的所有结点同时不构成环路。相同规模的网络产生的最小生成树具有相同的结点和连接数，这不仅避免了传统网络中存在的问题，也将网络规模减小到最小，大大节省计算的时间和空间[5,6]。之前儿童发育、癫痫、多发性硬化症、老化症和帕金森综合症的研究都证明MST是一个准确又敏感的研究方法[7-11]。据我们所知，目前还没有基于MST的MCI分类研究。……