本文關鍵詞：人腦磁共振數(shù)據(jù)的多重分形研究

  更多相關文章： 多重分形 靜息態(tài)功能磁共振成像 結構磁共振成像 腦老化 阿茲海默癥

【摘要】：磁共振成像作為一種有著無創(chuàng)性、高時空分辨率優(yōu)勢的醫(yī)學影像技術,對于人腦內(nèi)在機制的研究以及相關疾病的診斷,具有極為重要的臨床價值。一直以來,大量的研究者們付出了很大的努力并取得了很多可喜的進展。但是,現(xiàn)有的研究大多集中在線性領域,所采用的線性分析方法也是基于時間平穩(wěn)性的假設。眾所周知,腦是復雜的非線性巨系統(tǒng),因此采用非線性的方法可以更為準確地刻畫腦活動,探索腦的本質(zhì)特性。已有研究表明,人腦具有結構自相似性,適合采用分形的方法來進行分析,而多重分形比單重分形方法更具有優(yōu)勢,能夠更為全面地刻畫腦的復雜活動過程。因而,本研究將多重分形的方法應用于人腦的功能和結構磁共振數(shù)據(jù)上,主要進行了如下工作：(1)將多重分形方法應用于靜息態(tài)功能磁共振數(shù)據(jù)(resting state functional magnetic resonance imaging,rs-fMRI),通過提取默認網(wǎng)絡區(qū)域的信號來進行腦老化的研究。①研究中我們提出了新的rs-fMRI序列構成方式,即采用層間切片序列來構建rs-fMRI序列,以此增加數(shù)據(jù)長度,并在此序列上驗證了多重分形特性。②為了探究不同年齡組之間的差異,我們還提出了新的多重分形特征Δasα,用于描述多重分形譜的不對稱性,并從信號標度特性的角度探討了這一新的多重分形特征的生理意義,指出該特征在探究腦老化中的有效性。研究中,我們主要探討了正常被試腦隨著年齡的變化特征,并發(fā)現(xiàn)所提出的Δasα特征可以成功地檢測到青中年和青老年被試群組之間的細微差別。此外,我們也發(fā)現(xiàn)中老年被試群組的rs-fMRI序列上更大的Δasα值對應著更大的平均標度指數(shù)和更強的長程相關性,并進一步說明更大的Δasα值對應著更低的分形復雜度和欠佳的神經(jīng)生理動力學特性；然而在青年被試群組上則與之相反。本研究工作拓展了先前研究者們的研究結果,強調(diào)了多重分形分析在特定腦區(qū)的rs-fMRI序列中的潛在應用價值,并通過重要的默認網(wǎng)絡區(qū)域對健康老化進行了初步探討,對于理解腦的內(nèi)在動力學機制具有重要意義。(2)將多重分形方法應用于rs-fMRI數(shù)據(jù)進行早期阿茲海默癥(Alzheimer's disease, AD)的研究。本研究首次解決了這樣兩個問題：(問題一)在rs-fMRI數(shù)據(jù)上,多重分形特征在檢測早期AD和健康老年被試上是否具有足夠的辨別力,以及什么樣的多重分形特征具有這樣的性能；(問題二)如果將多重分形特征和傳統(tǒng)特征相融合,是否能夠進一步提升其辨別能力。我們在所有被試的功能數(shù)據(jù)上提取rs-fMRI序列并驗證其多重分形特性之后,系統(tǒng)地研究了多重分形特征在rs-fMRI數(shù)據(jù)上對于早期AD疾病的辨別能力,并將其與單重分形特征、線性特征以及基于網(wǎng)絡的特征的分類性能進行了比較。結果發(fā)現(xiàn),在單個特征上多重分形特征Δf的分類性能勝過了其他特征。另外,我們也采用先進的多核學習算法將多重分形特征與其他傳統(tǒng)特征相融合,發(fā)現(xiàn)融合后的分類準確率可以獲得進一步的大幅提升。我們的工作為AD的研究提供了新的多重分形分析視角,證明了多重分形分析在AD研究中的潛在價值,尤其是與傳統(tǒng)的rs-fMRI特征相融合時更為有用,它可以有助于區(qū)分早期的AD患者和健康老年被試。(3)將多重分形方法應用于結構MRI (structural MRI,sMRI)數(shù)據(jù)進行早期AD的研究。本研究的創(chuàng)新性包括：①將傳統(tǒng)的基于計盒維數(shù)法的多重分形(box-counting based multifractal analysis, BCMA)算法拓展到三維情況；②提出了三維情況下改進的基于整數(shù)比例的多重分形分析(integer ratio based BCMA, IRBCMA)方法以彌補BCMA方法因嚴格的劃分規(guī)則所帶來的不足。接著,我們將上述兩種多重分形方法應用于研究三維sMRI數(shù)據(jù)上的白質(zhì)結構變化,并探討了正常老化和早期AD之間的差異。在白質(zhì)結構上驗證了多重分形特性之后,我們提取了Δα和Δf兩個經(jīng)典的多重分形特征,并且證明了這兩個特征在統(tǒng)計意義上都能夠有效地區(qū)分健康老年被試群組和早期AD群組�？傮w說來,健康老年組具有比AD組更高的Δα和Δf值,這表明健康老年組被試具有更大的白質(zhì)結構復雜度。此外,通過與臨床簡短智能測驗(Mini-Mental State Examination, MMSE)分數(shù)進行皮爾森相關分析,我們發(fā)現(xiàn)Δα和Δf特征都與MMSE分數(shù)之間有很強的具有統(tǒng)計學意義的正相關,這說明這兩個特征都具有潛在的生理學意義,且更小的Δa和Δf值表示相應被試的適應性更差,癡呆程度更嚴重。在實驗中,BCMA方法和IRBCMA方法都展現(xiàn)出較為出色的性能,這說明兩種方法在多重分形的三維分析中的有效性。由于先前的研究中只使用Δα特征,因此本研究也強調(diào)了Δf特征在sMRI數(shù)據(jù)分析中的有用性。值得注意的是,所提出的IRBCMA方法可以獲得比BCMA方法更為準確和有效的Δf值,這可以通過該方法所得的Δf值與MMSE分數(shù)之間具有更強的相關特性來體現(xiàn)。因此,本研究對于尋找AD檢測中實際有效的生物學標記具有重要意義。同時,我們的研究也強調(diào)了多重分形分析方法在三維sMRI數(shù)據(jù)上的有效性,通過檢測白質(zhì)的結構變化,可以幫助解釋AD病理學方面的一些現(xiàn)象。
【關鍵詞】：多重分形 靜息態(tài)功能磁共振成像 結構磁共振成像 腦老化 阿茲海默癥
【學位授予單位】：南京大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：R445.2;TN911.7
【目錄】：

• 摘要5-8
• Abstract8-12
• 第一章 緒論12-41
• 1.1 引言12-16
• 1.2 人腦結構16-19
• 1.3 磁共振成像19-26
• 1.3.1 磁共振成像簡介19-21
• 1.3.2 靜息態(tài)功能磁共振成像21-25
• 1.3.3 結構磁共振成像25-26
• 1.4 分形基本理論26-38
• 1.4.1 分形的基本概念26-33
• 1.4.1.1 分形的定義26-28
• 1.4.1.2 分形的基本性質(zhì)28-29
• 1.4.1.3 分形的分類29-30
• 1.4.1.4 分形維數(shù)30-33
• 1.4.2 多重分形33-38
• 1.4.2.1 多重分形的概念33-37
• 1.4.2.2 多重分形譜的幾何特性37-38
• 1.5 本文的工作38-41
• 1.5.1 選題的目的和意義38
• 1.5.2 本文工作的創(chuàng)新點38-40
• 1.5.3 全文的結構安排40-41
• 第二章 腦老化功能磁共振數(shù)據(jù)中的多重分形研究41-55
• 2.1 引言41-44
• 2.2 材料與方法44-48
• 2.2.1 實驗數(shù)據(jù)44
• 2.2.2 數(shù)據(jù)預處理44-45
• 2.2.3 多重分形方法簡介45-47
• 2.2.4 多重分形特征提取47-48
• 2.3 實驗結果48-51
• 2.3.1 多重分形特性驗證48-49
• 2.3.2 實驗結果49-51
• 2.4 討論51-54
• 2.5 本章小結54-55
• 第三章 阿茲海默癥功能磁共振數(shù)據(jù)中的多重分形研究55-85
• 3.1 引言55-57
• 3.2 材料與方法57-70
• 3.2.1 實驗數(shù)據(jù)58-60
• 3.2.2 數(shù)據(jù)預處理60
• 3.2.3 多重分形分析與特征提取60-65
• 3.2.3.1 BCMA方法簡介61-62
• 3.2.3.2 WLMA方法簡介62-63
• 3.2.3.3 多重分形特征提取63-65
• 3.2.3.4 傳統(tǒng)特征提取65
• 3.2.4 MKL簡介65-66
• 3.2.5 特征選擇與有辨別力的腦區(qū)識別66-68
• 3.2.5.1 特征選擇67
• 3.2.5.2 有辨別力的腦區(qū)識別67-68
• 3.2.6 有辨別力的腦區(qū)在分類方法中的應用介紹68-70
• 3.2.6.1 單個特征上的分類69
• 3.2.6.2 組合特征上的分類69-70
• 3.2.7 在單個特征和組合特征上的測試70
• 3.3 實驗結果70-81
• 3.3.1 實驗設置71-72
• 3.3.2 多重分形特性驗證72-73
• 3.3.3 多重分形方法選用73-75
• 3.3.4 單個特征的分類結果(回答問題一)75-76
• 3.3.5 組合特征的分類結果(回答問題二)76-78
• 3.3.6 有辨別力的腦區(qū)識別結果78-81
• 3.4 討論81-84
• 3.5 本章小結84-85
• 第四章 阿茲海默癥結構磁共振數(shù)據(jù)中的多重分形研究85-101
• 4.1 引言85-86
• 4.2 材料與方法86-94
• 4.2.1 實驗數(shù)據(jù)87
• 4.2.2 數(shù)據(jù)預處理87-88
• 4.2.3 三維BCMA方法介紹88-90
• 4.2.4 改進的IRBCMA方法介紹90-92
• 4.2.5 多重分形特性驗證92-93
• 4.2.6 多重分形特征提取93-94
• 4.3 實驗結果94-98
• 4.3.1 多重分形特性驗證94-96
• 4.3.2 實驗結果96-98
• 4.4 討論98-99
• 4.5 本章小結99-101
• 第五章 總結和展望101-104
• 5.1 全文研究內(nèi)容和結論101-103
• 5.2 今后工作展望103-104
• 參考文獻104-115
• 攻讀博士學位期間主要科研成果及獲得獎項115-116
• 致謝116-117

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 ;Interleaving distribution of multifractal strength of 16-channel EEG signals[J];Chinese Science Bulletin;2003年16期

2 ;A new measure to characterize multifractality of sleep electroencephalogram[J];Chinese Science Bulletin;2006年24期

3 ;Multifractal mass exponent spectrum of complex physiological time series[J];Chinese Science Bulletin;2010年19期

4 Martyn P. Nash;;The SARD variety of multi-fractality of ventricular epicardial mapping during ischemia[J];Chinese Science Bulletin;2006年07期

5 王丹齡;喻祖國;Anh V;;Multifractal analysis of complex networks[J];Chinese Physics B;2012年08期

，

本文編號：638836