發(fā)布時間：2020-03-18 00:48

【摘要】：功能磁共振成像(Functional Magnetic Resonance Imaging,f MRI)是一種重要的腦成像技術(shù)。其中,基于靜息態(tài)f MRI的腦功能網(wǎng)絡(luò)重建技術(shù)為研究大腦的功能和特征提供了一種有效方法。目前大多數(shù)研究假定在靜息態(tài)f MRI數(shù)據(jù)采集期間內(nèi)大腦處于靜止不變的狀態(tài),但事實上大腦是一個無時無刻不在活動和變化的整體,因此一些研究人員從動態(tài)系統(tǒng)理論出發(fā)展開了對腦網(wǎng)絡(luò)動態(tài)性能的研究,并采用滑動窗口構(gòu)建了全腦腦區(qū)網(wǎng)絡(luò)狀態(tài)觀測矩陣,由于該矩陣高達(dá)上千維,很難直接觀測其主要特征,給進(jìn)一步研究腦網(wǎng)絡(luò)的動態(tài)特性帶來了困難。在研究過程中,采用t分布隨機鄰域嵌入(t-distributed stochastic neighbor embedding,t-SNE)算法對上述矩陣進(jìn)行降維有一定的效果,但是由于在計算高維空間樣本之間的相似性概率時,并沒有考慮樣本的實際分布,因此降維效果不佳。本文提出了一種自適應(yīng)加權(quán)的改進(jìn)t-SNE算法,該算法首先對每一對樣本點在高維空間中的歐氏距離進(jìn)行歸一化,然后按實際樣本對的不同分布狀況進(jìn)行分組分析,按照近距離、適中距離和遠(yuǎn)距離三種情況分別進(jìn)行自適應(yīng)加權(quán)處理并計算高維空間內(nèi)樣本點間的相似概率,以加權(quán)相對距離代替歐氏絕對距離,實現(xiàn)了對高維樣本相似度的更準(zhǔn)確度量。為了驗證自適應(yīng)加權(quán)t-SNE算法在腦網(wǎng)絡(luò)狀態(tài)觀測矩陣降維中的效果,本文從以下三個方面展開了實驗及分析:自適應(yīng)加權(quán)t-SNE算法與其它降維算法在自行采集的單樣本上的降維對比實驗;自適應(yīng)加權(quán)t-SNE算法與傳統(tǒng)t-SNE算法在自行采集的多樣本上的降維對比實驗;自適應(yīng)加權(quán)t-SNE算法與傳統(tǒng)t-SNE算法在公開數(shù)據(jù)庫中多樣本上的降維對比實驗。降維可視化結(jié)果顯示,自適應(yīng)加權(quán)t-SNE的降維聚類可視化效果優(yōu)于傳統(tǒng)t-SNE算法和其它降維算法,并有效地消除了傳統(tǒng)t-SNE算法中存在的交叉、散點和簇類不集中等問題。降維后的腦網(wǎng)絡(luò)狀態(tài)聚類性能指標(biāo)顯示,自適應(yīng)加權(quán)t-SNE算法的聚類指標(biāo)值DBI(Davies-Bouldin Index,DBI)值與DI(Dunn Index,DI)值均比傳統(tǒng)t-SNE算法得到了明顯改善,從而為進(jìn)一步研究腦網(wǎng)絡(luò)的動態(tài)特性提供了有力的基礎(chǔ)。
【圖文】：

學(xué)領(lǐng)域相關(guān)論文數(shù)量前五位，在腦科學(xué)領(lǐng)域相關(guān)論文數(shù)量最多國家中，發(fā)達(dá)國家占絕大多數(shù)，我們國家腦科學(xué)雖然起步相對關(guān)論文數(shù)量位居第七位，SCI 收錄的腦科學(xué)領(lǐng)域相關(guān)論文數(shù)量15 位國家,如圖 1.1 所示。

novations Index，DII）中，檢索日期截止 2014 年 12 月 10 日，腦科域相關(guān)專利達(dá)到 51640 件，而我們國家近年來腦科學(xué)領(lǐng)域相關(guān)專利一直處于上升狀態(tài)，腦科學(xué)領(lǐng)域相關(guān)專利申請數(shù)量的逐年變化情況圖 1.2 所示。
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R445.2

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鐘毅欣;趙建農(nóng);;靜息態(tài)腦功能網(wǎng)絡(luò)分析方法及在肝性腦病的研究進(jìn)展[J];國際醫(yī)學(xué)放射學(xué)雜志;2015年06期

2 王一托;李功杰;喬鵬崗;;BOLD-fMRI在腦卒中患者觸覺功能康復(fù)過程中的應(yīng)用現(xiàn)狀[J];中國臨床醫(yī)學(xué)影像雜志;2015年09期

3 畢凱;王曉丹;邢雅瓊;;基于證據(jù)空間有效性指標(biāo)的聚類選擇性集成[J];通信學(xué)報;2015年08期

4 黃嘉爽;梅雪;袁曉龍;李振華;;腦功能網(wǎng)絡(luò)的fMRI特征提取及腦部疾病機器識別[J];智能系統(tǒng)學(xué)報;2015年02期

5 錢萬強;朱慶平;沈建磊;;我國腦科學(xué)研究戰(zhàn)略部署及發(fā)展情況淺析[J];生命科學(xué);2014年06期

6 鐘元;趙翠花;陶玲;張志強;戚榮豐;盧光明;;靜息態(tài)fMRI分析方法及其在創(chuàng)傷后應(yīng)激障礙研究中的應(yīng)用[J];生物物理學(xué)報;2013年10期

7 劉燕馳;高學(xué)東;國宏偉;武森;;聚類有效性的組合評價方法[J];計算機工程與應(yīng)用;2011年19期

8 杜培軍;王小美;譚琨;夏俊士;;利用流形學(xué)習(xí)進(jìn)行高光譜遙感影像的降維與特征提取[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2011年02期

9 楊時騏;吳光耀;;靜息態(tài)腦功能磁共振成像的研究進(jìn)展[J];武漢大學(xué)學(xué)報(醫(yī)學(xué)版);2010年01期

10 吳曉婷;閆德勤;;數(shù)據(jù)降維方法分析與研究[J];計算機應(yīng)用研究;2009年08期

相關(guān)博士學(xué)位論文 前3條

1 翁曉光;靜息態(tài)腦功能磁共振數(shù)據(jù)分析方法及在弱視神經(jīng)機制中的應(yīng)用研究[D];南京航空航天大學(xué);2010年

2 相潔;啟發(fā)式問題解決認(rèn)知神經(jīng)機制及fMRI數(shù)據(jù)分析方法研究[D];太原理工大學(xué);2010年

3 王靖;流形學(xué)習(xí)的理論與方法研究[D];浙江大學(xué);2006年

相關(guān)碩士學(xué)位論文 前4條

1 張德鵬;基于t-SNE的氨基酸聚類分析[D];遼寧師范大學(xué);2016年

2 屈治禮;高維數(shù)據(jù)可視化研究及在商業(yè)智能中的應(yīng)用[D];江蘇科技大學(xué);2013年

3 王珊珊;短暫性腦缺血的靜息態(tài)fMRI研究[D];電子科技大學(xué);2013年

4 周卉芬;功能磁共振數(shù)據(jù)處理方法研究[D];南京航空航天大學(xué);2007年

，

本文編號：2587952