功能性核磁共振成像（fMRI）是一種非侵入性的,測(cè)量大腦各區(qū)域激活水平的技術(shù),是研究大腦活動(dòng)的重要工具之一。對(duì)fMRI數(shù)據(jù)的分析,已經(jīng)取得了非常多的成果,加深了人們對(duì)大腦活動(dòng)的認(rèn)識(shí)。不過(guò)由于大腦是一個(gè)十分龐大和復(fù)雜的系統(tǒng),人們對(duì)大腦的認(rèn)知還遠(yuǎn)遠(yuǎn)談不上透徹,因此對(duì)大腦的分析研究,仍然具有重要的理論和現(xiàn)實(shí)意義。本文獲取了758名健康受試者的fMRI數(shù)據(jù),對(duì)大腦靜息態(tài)的fMRI數(shù)據(jù)進(jìn)行了分析,同時(shí)探究了靜息態(tài)fMRI數(shù)據(jù)分析得到的特征與受試者認(rèn)知能力之間的關(guān)系。首先本文對(duì)fMRI數(shù)據(jù)分別進(jìn)行了動(dòng)態(tài)功能連接分析和共激活模式分析。在動(dòng)態(tài)功能連接分析中,本文采用滑動(dòng)窗口的方式捕捉動(dòng)態(tài)功能連接,利用K-means聚類算法,確定了5個(gè)重復(fù)出現(xiàn)的動(dòng)態(tài)功能連接模式,深入分析了每個(gè)連接模式的功能連接特征,并計(jì)算了在整個(gè)數(shù)據(jù)集中,每個(gè)連接模式的相關(guān)統(tǒng)計(jì)量。在共激活模式分析中,本文采用K-means聚類算法,確定了8個(gè)重復(fù)出現(xiàn)的共激活模式,并詳細(xì)分析了每個(gè)共激活模式中,大腦各區(qū)域的激活情況。同樣地,計(jì)算出了每個(gè)共激活模式的相關(guān)統(tǒng)計(jì)量。動(dòng)態(tài)功能連接模式和共激活模式是從兩個(gè)不同的角度對(duì)fMRI數(shù)據(jù)分析得到的結(jié)果,本... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

sigmoid函數(shù)示意圖

第三章大腦靜息態(tài)數(shù)據(jù)的動(dòng)態(tài)特征分析方案19圖3-1靜態(tài)功能連接計(jì)算示意圖而動(dòng)態(tài)功能連接，則是采用一系列滑動(dòng)窗口（窗口之間相互重疊），將時(shí)間序列截?cái)喑梢恍《危?jì)算在這一小段時(shí)間內(nèi)，各區(qū)域時(shí)間序列的相關(guān)性。如圖3-2所示，每次只計(jì)算窗口內(nèi)時(shí)間序列的相關(guān)性，然后將窗口往后移動(dòng)，再次計(jì)算，直到評(píng)估完整個(gè)時(shí)間序列。本文中的功能連接采用Pearson相關(guān)系數(shù)來(lái)衡量，計(jì)算公式如式2-6所示�；瑒�(dòng)窗口的大小對(duì)捕捉動(dòng)態(tài)特征的效率有很大影響，文獻(xiàn)[19]中的研究結(jié)果表明，當(dāng)滑動(dòng)窗口大小為30s時(shí)，效率最高，所以本文中滑動(dòng)窗口的長(zhǎng)度設(shè)置為30s，每次移動(dòng)的步長(zhǎng)為2個(gè)時(shí)刻。圖3-2滑動(dòng)窗口示意圖Pearson相關(guān)系數(shù)衡量?jī)蓚�(gè)變量之間的線性關(guān)聯(lián)，由于的取值范圍為[-1,1]，使得高度相關(guān)的變量的抽樣分布是是高度偏態(tài)的。Fisher-z變換可以將的抽樣分布從一個(gè)偏態(tài)的分布轉(zhuǎn)換為一個(gè)近似的正態(tài)分布。功能連接分析中，常使用Fisher-z變換增加分析效率，所以本文中，在動(dòng)態(tài)功能連接計(jì)算完成之后，對(duì)其進(jìn)行Fisher-z變換，其變換公式如式（3-2）所示。

第三章大腦靜息態(tài)數(shù)據(jù)的動(dòng)態(tài)特征分析方案19圖3-1靜態(tài)功能連接計(jì)算示意圖而動(dòng)態(tài)功能連接，則是采用一系列滑動(dòng)窗口（窗口之間相互重疊），將時(shí)間序列截?cái)喑梢恍《�，�?jì)算在這一小段時(shí)間內(nèi)，各區(qū)域時(shí)間序列的相關(guān)性。如圖3-2所示，每次只計(jì)算窗口內(nèi)時(shí)間序列的相關(guān)性，然后將窗口往后移動(dòng)，再次計(jì)算，直到評(píng)估完整個(gè)時(shí)間序列。本文中的功能連接采用Pearson相關(guān)系數(shù)來(lái)衡量，計(jì)算公式如式2-6所示�；瑒�(dòng)窗口的大小對(duì)捕捉動(dòng)態(tài)特征的效率有很大影響，文獻(xiàn)[19]中的研究結(jié)果表明，當(dāng)滑動(dòng)窗口大小為30s時(shí)，效率最高，所以本文中滑動(dòng)窗口的長(zhǎng)度設(shè)置為30s，每次移動(dòng)的步長(zhǎng)為2個(gè)時(shí)刻。圖3-2滑動(dòng)窗口示意圖Pearson相關(guān)系數(shù)衡量?jī)蓚�(gè)變量之間的線性關(guān)聯(lián)，由于的取值范圍為[-1,1]，使得高度相關(guān)的變量的抽樣分布是是高度偏態(tài)的。Fisher-z變換可以將的抽樣分布從一個(gè)偏態(tài)的分布轉(zhuǎn)換為一個(gè)近似的正態(tài)分布。功能連接分析中，常使用Fisher-z變換增加分析效率，所以本文中，在動(dòng)態(tài)功能連接計(jì)算完成之后，對(duì)其進(jìn)行Fisher-z變換，其變換公式如式（3-2）所示。


本文編號(hào)：3347835