【摘要】：多模態(tài)核磁共振腦圖像為我們探索腦神經(jīng)提供了從結(jié)構(gòu)到功能的影像學信息,許多研究表明一些精神性或神經(jīng)性疾病都會引起腦結(jié)構(gòu)和腦功能的變化,這些變化可能存在內(nèi)在的聯(lián)系。多模態(tài)核磁共振圖像聯(lián)合分析為揭開腦結(jié)構(gòu)變化和腦功能變化的關系提供了可能,另外這種聯(lián)合分析提供的全面醫(yī)學影像信息對探索腦工作原理具有重要作用。多模態(tài)核磁共振數(shù)據(jù)有著信息互補的優(yōu)勢,但如何利用這些不同屬性的數(shù)據(jù),綜合反映研究對象的生物學信息仍然是一種迫切的需求和重大的挑戰(zhàn)。在眾多困擾人類的疾病中,肥胖由于其流行性、易于引起其他一些頑固性疾病,已經(jīng)成為危害人類健康最嚴重的疾病之一。研究人員希望從腦部入手探究肥胖人群異常的腦功能或者腦結(jié)構(gòu)來揭示肥胖的神經(jīng)機制,然而很少有研究從腦功能到腦結(jié)構(gòu)的多模態(tài)聯(lián)合分析。因此,本文圍繞多模態(tài)核磁共振圖像處理方法及應用主要開展了以下四個方面的研究(1)用各模態(tài)單獨分析的方法,研究了肥胖人群腦結(jié)構(gòu)和腦功能的變化以及減肥手術(shù)對這些變化的影響。通過將靜息態(tài)功能磁共振(resting state fMRI)和T1加權(quán)像分別按照各自的模態(tài)分析方法進行獨立分析,發(fā)現(xiàn)靜息態(tài)下的肥胖人群在眶額皮層腦活動降低,小腦和枕-頂葉區(qū)域的腦灰質(zhì)體積降低,手術(shù)后這些異常得到了恢復。我們的研究揭示了肥胖人群腦結(jié)構(gòu)和腦功能活動異常的可塑性,對肥胖的機理研究和治療具有重要意義。(2)用平行獨立成分分析方法(parallel-ICA)對肥胖人群腦功能和腦結(jié)構(gòu)像進行了聯(lián)合分析,發(fā)現(xiàn)肥胖人群的腦結(jié)構(gòu)和腦功能變化間具有耦合性。雖然沒有發(fā)現(xiàn)手術(shù)后這些異常成分的恢復(神經(jīng)的可塑性),但研究首次證實了肥胖人群腦功能和腦結(jié)構(gòu)間變化的耦合性,這種變化的耦合性揭示了肥胖人群腦結(jié)構(gòu)和腦功能變化的內(nèi)在聯(lián)系,對理解肥胖的神經(jīng)機制有重要作用。(3)針對目前多模態(tài)磁共振圖像分析方法中的缺陷,我們提出了一套適用于多模態(tài)聯(lián)合分析的方法。方法主要分為兩個部分,第一部分是考慮到測得的核磁信號是各種生理信息的綜合反映,對各個模態(tài)的圖像進行非負盲源分離。其中,針對反映腦結(jié)構(gòu)信息的T1加權(quán)像,采用非負矩陣分解的方法將圖像分解為基圖像的線性疊加,針對反映腦功能信息的fMRI像,基于李群和李代數(shù)的映射關系改進了非負獨立成分分解的方法,并將此方法首次應用于fMRI圖像的非負分解中。這兩種針對不同模態(tài)的非負盲源信號分離方法可以將測得的不同模態(tài)的核磁圖像分解為生理上可解釋的成分(非負成分)。本文用模擬數(shù)據(jù)驗證了這兩種方法分別作用于結(jié)構(gòu)像和功能像的可行性。方法學的第二個主要部分是對分解出的基圖像進行特征選擇。考慮到各個模態(tài)的圖像間的屬性差異性和基圖像數(shù)量多的特點,我們采用對變量屬性沒有要求、適用于多變量的集成式機器學習方法—隨機森林算法對基圖像進行篩選,并對篩選出的基圖像的系數(shù)做相關性分析,從而得到不同模態(tài)間的相關性。(4)本文將建立的多模態(tài)圖像聯(lián)合分析方法應用于肥胖人群的腦結(jié)構(gòu)和腦功能研究中,發(fā)現(xiàn)肥胖人群的腦結(jié)構(gòu)變化和腦功能變化間的耦合性,并且隨機森林算法挑選出的兩種模態(tài)的異常成分在空間分布上有一定重合性,同時我們的結(jié)果顯示減肥手術(shù)能夠恢復這些變化的腦結(jié)構(gòu)和腦功能活動。本文構(gòu)建的多模態(tài)圖像聯(lián)合分析方法的結(jié)果驗證了肥胖人群腦結(jié)構(gòu)變化和腦功能變化的耦合性,同時驗證了這種結(jié)構(gòu)和功能變化的可塑性,這說明我們建立的多模態(tài)磁共振圖像處理方法較現(xiàn)有的方法具有更高的檢測效率。
【圖文】：

1.1 jICA 方法示意圖。假設有 M 個被試，每個被試的圖像有 N 個像素點。等式左側(cè)數(shù)據(jù)矩陣，右側(cè) A 為系數(shù)矩陣，其中 A 的行代表被試，列代表成分的個數(shù)，S 為成分矩�？紤]到 jICA 的缺陷，Liu 等人提出了平行獨立成分分析（parallelindepend

圖 2.1 肥胖被試手術(shù)前后腦區(qū)活動編號情況。a 代表手術(shù)前肥胖被試與正常體重被試相比活動降低的腦區(qū)。b 代表肥胖被試手術(shù)前后自身對照有差異腦活動的區(qū)域。縮寫及中英文對照：SFG,Superior Frontal Gyrus 前額葉上部；OC，，Orbitofrontal Cortex 眶額皮層；GR,Gyrus Rectur 直回；L,Left 左側(cè)；R，Right 右側(cè)。VBM 分析結(jié)果顯示與正常體重被試相比，術(shù)前肥胖患者具有降低的灰質(zhì)體
【學位授予單位】：鄭州大學
【學位級別】：博士
【學位授予年份】：2019
【分類號】：TP391.41;R445.2

【相似文獻】

相關期刊論文 前10條

1 周毅;;政務多模態(tài)圖像話語表征探析[J];中國廣播電視學刊;2017年06期

2 王佳宇;;“系統(tǒng)功能符號學”視角下多模態(tài)語篇的批評性分析框架研究[J];外語藝術(shù)教育研究;2011年01期

3 楊?,裴繼紅,謝維信;一種基于頻帶一致性的多模態(tài)圖像校準算法[J];通信學報;2005年04期

4 陳風華;胡冬梅;;多模態(tài)隱喻研究20年(1998—2017)——理論、實踐與進展[J];外國語文;2018年05期

5 劉澤宇;馬龍龍;吳健;孫樂;;基于多模態(tài)神經(jīng)網(wǎng)絡的圖像中文摘要生成方法[J];中文信息學報;2017年06期

6 朱俊林;;淺析多模態(tài)醫(yī)學圖像的配準與融合技術(shù)[J];醫(yī)療衛(wèi)生裝備;2005年12期

7 黎姿;;電影《流浪地球》海報的多模態(tài)三維解讀[J];藝術(shù)科技;2019年01期

8 閆利;胡修兵;陳長軍;馬振玲;;多模態(tài)圖像配準的梯度一致性算子[J];武漢大學學報(信息科學版);2013年08期

9 金宏彬;范春曉;李永;楊仁杰;;基于人工交互的多模態(tài)圖像亞像素配準[J];北京郵電大學學報;2015年01期

10 閆利;王紫琦;葉志云;;顧及灰度和梯度信息的多模態(tài)影像配準算法[J];測繪學報;2018年01期

相關會議論文 前1條

1 林哲;閆敬文;袁野;;基于稀疏表示和PCNN的多模態(tài)圖像融合[A];創(chuàng)新驅(qū)動與轉(zhuǎn)型發(fā)展，推動汕頭騰飛——汕頭市科協(xié)第七屆學術(shù)年會優(yōu)秀論文集[C];2014年

相關博士學位論文 前3條

1 李盼龍;多模態(tài)核磁共振腦圖像處理方法的研究及其應用[D];鄭州大學;2019年

2 劉沐寒;光學核素多模態(tài)分子影像在肝癌/胃癌腫瘤模型上的應用[D];西安電子科技大學;2017年

3 張靜亞;非剛體醫(yī)學圖像配準技術(shù)研究[D];蘇州大學;2015年

相關碩士學位論文 前10條

1 湯琪琦;中美影視公益廣告互動意義的多模態(tài)話語對比分析[D];廈門大學;2018年

2 楊帆;多模態(tài)圖像中的目標檢測問題研究[D];南京大學;2019年

3 周雅文;HIV感染者大腦運動功能損傷的多模態(tài)磁共振影像學研究[D];中國科學技術(shù)大學;2018年

4 王桂召;基于協(xié)同流形排序的多模態(tài)視覺顯著性檢測方法研究[D];安徽大學;2018年

5 易志武;多模態(tài)醫(yī)學影像的融合與重建技術(shù)的研究[D];電子科技大學;2018年

6 董俠;基于稀疏表示的腦部多模態(tài)圖像融合方法研究[D];中北大學;2018年

7 葉萌萌;基于支持向量機的肝臟腫瘤良、惡性識別研究[D];浙江大學;2012年

8 蔣煜;基于特征的多模態(tài)圖像自動配準算法研究[D];華中科技大學;2005年

9 劉瑞;基于多模態(tài)MRI圖像的腦腫瘤分割方法[D];電子科技大學;2017年

10 史敏紅;基于非負矩陣分解的多模態(tài)醫(yī)學圖像融合研究[D];中北大學;2018年

本文編號：2599847