大腦控制著人體與外界環(huán)境的信息交互及認(rèn)知活動,掌管著感知、思維、記憶等高級活動。對大腦組織功能的探索是近年來研究的熱點與挑戰(zhàn)。傳統(tǒng)研究方法通常使用間接手段觀測大腦的活動狀態(tài),并且依賴血液動力學(xué)響應(yīng)函數(shù)等模型假設(shè)或其他數(shù)學(xué)、統(tǒng)計學(xué)假設(shè)進(jìn)行分析研究,對大腦響應(yīng)過程的研究仍存在局限性;此外,大腦神經(jīng)元數(shù)量眾多,掃描采集數(shù)據(jù)量巨大,常依賴感興趣腦區(qū)、數(shù)據(jù)降采樣等方法縮小數(shù)據(jù)規(guī)模,在全腦尺度對大腦響應(yīng)活動進(jìn)行建模是研究的難點。針對當(dāng)前研究中存在的問題,本文基于任務(wù)態(tài)功能磁共振成像數(shù)據(jù),將深度學(xué)習(xí)方法與傳統(tǒng)機器學(xué)習(xí)方法相結(jié)合,在全腦體素信號上對大腦自然響應(yīng)活動過程進(jìn)行建模,研究了時間維度和空間維度上的大腦活動狀態(tài),提取出了精細(xì)的大腦功能網(wǎng)絡(luò)及多樣化的響應(yīng)活動模式。針對大腦響應(yīng)活動復(fù)雜、現(xiàn)有模型依賴于理論假設(shè)的問題,提出了一種深度循環(huán)神經(jīng)網(wǎng)絡(luò)模型,提取大腦自然響應(yīng)過程中的功能網(wǎng)絡(luò)和響應(yīng)活動模式。該模型使用數(shù)據(jù)驅(qū)動的方法,不需要依賴?yán)碚擁憫?yīng)模型的假設(shè),從實驗設(shè)計的任務(wù)刺激出發(fā),對超過22萬個體素的全腦信號進(jìn)行直接建模,使用循環(huán)神經(jīng)網(wǎng)絡(luò)提取大腦時間序列中的動態(tài)依賴關(guān)系,使用全連接層構(gòu)建大腦功能網(wǎng)絡(luò)的空間... 

【文章來源】：浙江大學(xué)浙江省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：135 頁

【學(xué)位級別】：博士

【文章目錄】：
致謝
摘要
Abstract
主要術(shù)語和縮寫對照表
1 緒論
    1.1 研究背景及意義
    1.2 功能磁共振成像概述
        1.2.1 磁共振成像原理
        1.2.2 血液動力學(xué)響應(yīng)函數(shù)
    1.3 大腦響應(yīng)模式研究方法
        1.3.1 研究信號基準(zhǔn)
        1.3.2 傳統(tǒng)分析方法
        1.3.3 深度學(xué)習(xí)方法
    1.4 實驗數(shù)據(jù)集
        1.4.1 數(shù)據(jù)集任務(wù)設(shè)計
        1.4.2 大腦皮層功能區(qū)域
    1.5 主要研究內(nèi)容和論文結(jié)構(gòu)
        1.5.1 主要研究內(nèi)容
        1.5.2 論文組織結(jié)構(gòu)
2 基于深度循環(huán)神經(jīng)網(wǎng)絡(luò)的大腦功能響應(yīng)活動研究
    2.1 引言
    2.2 研究對象與方法
        2.2.1 研究對象
        2.2.2 深度循環(huán)神經(jīng)網(wǎng)絡(luò)模型
        2.2.3 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.2.4 理論響應(yīng)模型
    2.3 研究結(jié)果及分析
        2.3.1 模型訓(xùn)練
        2.3.2 經(jīng)典大腦功能響應(yīng)活動
        2.3.3 多時間尺度大腦功能響應(yīng)活動
    2.4 討論分析
        2.4.1 模型參數(shù)對深度循環(huán)神經(jīng)網(wǎng)絡(luò)的影響
    2.5 本章小結(jié)
3 基于有監(jiān)督字典學(xué)習(xí)的大腦功能網(wǎng)絡(luò)研究
    3.1 引言
    3.2 研究對象與方法
        3.2.1 研究對象
        3.2.2 有監(jiān)督字典學(xué)習(xí)
        3.2.3 稀疏編碼
    3.3 研究結(jié)果及分析
        3.3.1 數(shù)據(jù)驅(qū)動回歸子
        3.3.2 多時間尺度大腦功能網(wǎng)絡(luò)
        3.3.3 大腦自發(fā)活動網(wǎng)絡(luò)
    3.4 討論分析
        3.4.1 使用模型驅(qū)動的回歸子
        3.4.2 模型參數(shù)對有監(jiān)督字典學(xué)習(xí)的影響
    3.5 本章小結(jié)
4 基于深度循環(huán)自編碼器的大腦響應(yīng)模式研究
    4.1 引言
    4.2 研究對象與方法
        4.2.1 研究對象
        4.2.2 深度循環(huán)自編碼器模型
        4.2.3 大腦動態(tài)響應(yīng)模式預(yù)測
    4.3 研究結(jié)果及分析
        4.3.1 模型訓(xùn)練
        4.3.2 經(jīng)典大腦功能網(wǎng)絡(luò)
        4.3.3 大腦時序動態(tài)特征
        4.3.4 大腦動態(tài)響應(yīng)模式
    4.4 討論分析
        4.4.1 與現(xiàn)有研究方法的對比
        4.4.2 模型初始化對深度循環(huán)自編碼器的影響
        4.4.3 模型參數(shù)對深度循環(huán)自編碼器的影響
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀博士學(xué)位期間主要研究成果



本文編號：3638369