人類大腦是一個(gè)由許多相互作用的區(qū)域組成的復(fù)雜大尺度網(wǎng)絡(luò)。對(duì)腦網(wǎng)絡(luò)在時(shí)間和空間上的組織架構(gòu)進(jìn)行研究可以幫助我們理解腦區(qū)間的功能協(xié)作和信息整合與認(rèn)知行為之間的關(guān)系,探究神經(jīng)系統(tǒng)疾病的神經(jīng)基礎(chǔ)。功能磁共振成像(fMRI)技術(shù)常用于檢測(cè)大腦各區(qū)域的活躍水平。通過(guò)對(duì)腦區(qū)間靜息態(tài)fMRI信號(hào)的相關(guān)性進(jìn)行研究,可以推斷大腦區(qū)域在功能上的耦合程度,從而進(jìn)一步量化大腦網(wǎng)絡(luò)。然而,目前的腦網(wǎng)絡(luò)研究方法只能反映大腦功能網(wǎng)絡(luò)的一部分特征,而不能完全表征大腦功能網(wǎng)絡(luò)的時(shí)空動(dòng)態(tài)特性。本文將引入格蘭杰因果模型和非齊次馬爾可夫模型對(duì)大腦功能網(wǎng)絡(luò)進(jìn)行建模,在時(shí)空尺度上刻畫大腦的信息傳遞模式。論文主要包括三個(gè)部分:第一部分,主要研究了格蘭杰因果模型在靜息態(tài)功能磁共振數(shù)據(jù)分析中的應(yīng)用。選取與面孔識(shí)別相關(guān)的14個(gè)區(qū)域作為節(jié)點(diǎn),利用格蘭杰因果分析度量腦區(qū)間的有效連接作為邊,構(gòu)建靜息態(tài)有向腦網(wǎng)絡(luò)。然后在組水平上探究發(fā)展性面孔失認(rèn)癥患者的有效連接異常,為將無(wú)向的功能連接網(wǎng)絡(luò)推廣至有向網(wǎng)絡(luò)做準(zhǔn)備。第二部分,主要是對(duì)大尺度腦功能網(wǎng)絡(luò)的可塑性和動(dòng)態(tài)變化的特性進(jìn)行建模,使用非齊次馬爾可夫模型框架對(duì)大腦網(wǎng)絡(luò)的穩(wěn)定性和靈活性進(jìn)行量化。首先,我們從理論上證明了模型中定義的馬爾可夫過(guò)程是遍歷的,因此在此框架下的大腦系統(tǒng)是收斂的。然后,用最大轉(zhuǎn)移概率量化從體素到其它大腦區(qū)域的最大流,將最大轉(zhuǎn)移概率對(duì)應(yīng)的步數(shù)定義為最優(yōu)步數(shù)。根據(jù)這個(gè)模型,我們識(shí)別出了視覺(jué)、聽(tīng)覺(jué)、感覺(jué)運(yùn)動(dòng)區(qū)域到全腦其他體素的動(dòng)態(tài)最優(yōu)步數(shù),探究了基礎(chǔ)感覺(jué)區(qū)域之間的多重動(dòng)態(tài)路徑。第三部分,主要是將第二部分建立的動(dòng)態(tài)腦網(wǎng)絡(luò)推廣至有向網(wǎng)絡(luò)。我們使用動(dòng)態(tài)有效連接替代動(dòng)態(tài)功能連接來(lái)定義腦區(qū)間的路徑,在模型中加入了空間路徑的方向信息,從而能更好地刻畫大腦信息傳遞的動(dòng)態(tài)過(guò)程。仿真結(jié)果表明,在模型中加入方向信息后能夠減少對(duì)錯(cuò)誤路徑的識(shí)別,從而能更好地對(duì)大腦功能網(wǎng)絡(luò)進(jìn)行建模。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2020
【中圖分類】：R338
【部分圖文】：

第三章基于格蘭杰因果的發(fā)展性面孔失認(rèn)癥患者的腦網(wǎng)絡(luò)異常研究13圖3-1發(fā)展性面孔失認(rèn)癥患者組和正常人組的平均有效連接網(wǎng)絡(luò)3.4結(jié)果分析3.4.1統(tǒng)計(jì)分析為探究DP患者的腦網(wǎng)絡(luò)異常，我們將兩組人網(wǎng)絡(luò)中有效連接的條件格蘭杰因果值進(jìn)行了差異檢驗(yàn)。為了排除年齡，性別的影響，在雙樣本檢驗(yàn)之前，我們先將被試的年齡和性別信息作為協(xié)變量對(duì)條件格蘭杰因果值進(jìn)行了回歸。由于我們使用的樣本較小，因此這里采用了兩樣本均值的置換檢驗(yàn)方法進(jìn)行差異檢驗(yàn)。置換檢驗(yàn)是一種非參數(shù)檢驗(yàn)方法。與雙樣本t檢驗(yàn)相比，置換檢驗(yàn)更適合用來(lái)分析方差不同且總體分布未知的獨(dú)立樣本之間的差異。其基本原理是，若兩組樣本來(lái)自同一總體，則在將兩組樣本合為一組樣本，然后將兩個(gè)樣本中的部分值進(jìn)行置換后，若將前m個(gè)數(shù)據(jù)視為樣本一，將后n個(gè)數(shù)據(jù)視為樣本二，我們?nèi)钥烧J(rèn)為置換后的兩樣本是來(lái)自同一總體的。具體做法如下：設(shè)12,,,mXXXè°和12,,,nYYY分別來(lái)自兩個(gè)總體X,Y,1和2分別是X,Y的均值。檢驗(yàn)兩樣本是否來(lái)自一個(gè)總體的假設(shè)為：012H:=(3-8)112H:(3-9)（1）將兩組樣本的均值之差T作為統(tǒng)計(jì)量。111,1mniiiiXXYYm=n===(3-10)T=|XY|(3-11)

圖3-2兩組人有效連接差異圖（*：置換檢驗(yàn)，p0.05，未校正）

第三章基于格蘭杰因果的發(fā)展性面孔失認(rèn)癥患者的腦網(wǎng)絡(luò)異常研究15圖3-3DP患者的異常有效連接（置換檢驗(yàn)，顯著性：p0.05，未校正）3.4.2行為學(xué)數(shù)據(jù)相關(guān)性分析為驗(yàn)證DP患者的異常有效連接是否與患病癥狀相關(guān)，本文提取了發(fā)展性面孔失認(rèn)癥患者組上述異常連接的條件格蘭杰因果值，與行為學(xué)實(shí)驗(yàn)分?jǐn)?shù)進(jìn)行相關(guān)性分析。在人臉識(shí)別任務(wù)實(shí)驗(yàn)中，被試被要求在不犧牲準(zhǔn)確性的情況下盡快做出響應(yīng)。而被試如何解釋此指令以及如何在速度和精度之間進(jìn)行折衷，這可能在不同實(shí)驗(yàn)之間或不同被試之間都有所不同。因此，無(wú)論是反應(yīng)時(shí)還是準(zhǔn)確率，都可能無(wú)法用來(lái)預(yù)測(cè)實(shí)驗(yàn)效果。這里我們選擇了修正正確率評(píng)分（RCS）方法，它可以將準(zhǔn)確率和反應(yīng)時(shí)都考慮進(jìn)去，其計(jì)算公式如式（3-12）。,,,,,1ijijijnijkkNCRCSRT==(3-12)其中，i,jNC表示第i個(gè)被試在第j個(gè)實(shí)驗(yàn)中正確判斷的次數(shù)，i,jn表示此被試參與的j實(shí)驗(yàn)的所有子問(wèn)題的個(gè)數(shù)，,,,1ijnijkkRT=表示他在第j個(gè)實(shí)驗(yàn)中花費(fèi)的總時(shí)長(zhǎng)。RCS可直觀解釋為每單位時(shí)間正確響應(yīng)的數(shù)量[57]。與反應(yīng)時(shí)和準(zhǔn)確率相比，RCS更加可靠，也更具優(yōu)勢(shì)[58]。而在面孔記憶實(shí)驗(yàn)中，被試會(huì)按照順序一一瀏覽我們準(zhǔn)備好的圖片，然后一一判斷他們是否見(jiàn)過(guò)這些圖片。而當(dāng)他們無(wú)法進(jìn)行正確判斷時(shí)，往往會(huì)隨機(jī)選擇一個(gè)答案。極端條件下，甚至?xí)霈F(xiàn)被試對(duì)所有圖片都判斷為正性（見(jiàn)過(guò)）的情況。顯然，在這種情況下，僅使用正確率來(lái)評(píng)分是不恰當(dāng)?shù)摹-prime方法可以將被試的判斷偏好納入評(píng)分[59]。d=z(TP)z(FP)(3-13)
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 何遙;;智慧城市中的交通大腦[J];中國(guó)公共安全;2019年11期

2 朱平;張建偉;鄒衛(wèi)明;;城市大腦建設(shè)實(shí)施技術(shù)要求和策略研究[J];智能建筑;2019年10期

3 ;糖會(huì)對(duì)大腦產(chǎn)生哪些影響[J];養(yǎng)豬;2020年01期

4 ;引領(lǐng)全國(guó)的浙江“城市大腦”[J];信息化建設(shè);2019年07期

5 云飛;;為什么要建城市大腦[J];信息化建設(shè);2019年07期

6 侯瑞;;城市會(huì)思考，生活更美好——杭州“城市大腦”發(fā)布11大系統(tǒng)、48個(gè)應(yīng)用場(chǎng)景[J];信息化建設(shè);2019年07期

7 ;城市大腦：開(kāi)啟城市數(shù)字治理的金鑰匙[J];軟件和集成電路;2019年10期

8 李小鳳;;呵護(hù)大腦,留存記憶(上)[J];肝博士;2018年02期

9 ;杭州發(fā)布全國(guó)首個(gè)城市數(shù)據(jù)大腦規(guī)劃[J];城市規(guī)劃通訊;2018年10期

10 蘇珊;;身體如何左右大腦[J];教師博覽;2013年10期

相關(guān)博士學(xué)位論文 前10條

1 蔣宇皓;基于微波技術(shù)的大腦介電常數(shù)和導(dǎo)電性檢測(cè)方法的研究[D];重慶大學(xué);2016年

2 張欣;基于磁共振成像的大腦功能網(wǎng)絡(luò)動(dòng)態(tài)特性研究[D];西北工業(yè)大學(xué);2015年

3 董明皓;基于磁共振成像的針灸師大腦可塑性研究[D];西安電子科技大學(xué);2013年

4 呂京磊;基于功能磁共振成像的大腦架構(gòu)表達(dá)的研究[D];西北工業(yè)大學(xué);2016年

5 王其才;基于FMRI的織物觸覺(jué)刺激大腦感知表征[D];東華大學(xué);2015年

6 Haitham Mahmoud Boraei Ramadan;哺育蜂和采集蜂大腦磷酸化蛋白質(zhì)組研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2014年

7 李亞鵬;大腦功能網(wǎng)絡(luò)及其動(dòng)力學(xué)研究[D];華中科技大學(xué);2014年

8 李寧;睡眠剝奪對(duì)大腦認(rèn)知能力及腦電特征的影響研究[D];天津大學(xué);2009年

9 賈有海;氯胺酮、異丙酚預(yù)處理對(duì)復(fù)蘇后大鼠大腦的保護(hù)作用及其機(jī)理研究[D];中國(guó)醫(yī)科大學(xué);2003年

10 邵金平;斑馬魚尾鰭再生及小鼠大腦、心臟與棕色脂肪組織的節(jié)律性研究[D];南開(kāi)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 向宇;基于自回歸模型的大腦有向動(dòng)態(tài)網(wǎng)絡(luò)建模及應(yīng)用[D];電子科技大學(xué);2020年

2 孔燕;七氟烷對(duì)發(fā)育期大腦影響的研究進(jìn)展[D];蚌埠醫(yī)學(xué)院;2015年

3 陳靜;視唱練耳與開(kāi)發(fā)大腦[D];西安音樂(lè)學(xué)院;2013年

4 張曉敏;《為什么我的大腦不好使了》（第二十一章）翻譯項(xiàng)目報(bào)告[D];四川外國(guó)語(yǔ)大學(xué);2016年

5 龍航;基于貝葉斯方法的大腦網(wǎng)絡(luò)研究[D];湖南師范大學(xué);2014年

6 曹玥;基于大腦情感學(xué)習(xí)的液壓伺服控制系統(tǒng)研究[D];江西理工大學(xué);2011年

7 劉夢(mèng)穎;《大腦》（第五章、第六章）翻譯報(bào)告[D];四川外國(guó)語(yǔ)大學(xué);2014年

8 田樹(shù)雪;基于大腦情感學(xué)習(xí)網(wǎng)絡(luò)的內(nèi)�？刂葡到y(tǒng)及應(yīng)用[D];北京化工大學(xué);2019年

9 李晉;大腦磁共振結(jié)構(gòu)像的形態(tài)學(xué)分析[D];電子科技大學(xué);2011年

10 程璨;《大腦會(huì)泄密》第六章翻譯報(bào)告[D];電子科技大學(xué);2014年

本文編號(hào)：2863149