本文關鍵詞：DTI腦連接組分析中關鍵技術的研究

  更多相關文章： Diffusion Tensor Imaging(DTI) 腦連接組 分割模板 hub 小世界屬性評估指標

【摘要】：人類的大腦是人體活動的中樞,也是人體最為復雜的器官之一。它由大約1011個神經(jīng)元以及1015個突觸通過錯綜復雜的連接組成,是控制人類思維、交流、運動、計算等活動的中樞。Diffusion Tensor Imaging(DTI)是一種描述大腦結構的新方法,可以無創(chuàng)記錄大腦內(nèi)部白質(zhì)纖維束的連接情況。DTI腦連接組是在DTI影像基礎之上構建出的由節(jié)點和邊組成的腦網(wǎng)絡。腦連接組分析從網(wǎng)絡的角度對大腦進行研究,可以更加真實地接近大腦網(wǎng)絡的拓撲結構,揭示大腦內(nèi)部的工作機制。本文主要研究DTI腦連接組分析中的一些關鍵技術。從腦區(qū)劃分,hub識別和小世界屬性的評估三個方面著手,研究了分割模板對DTI腦連接組分析的影響,DTI腦連接組的hub識別和DTI腦連接組的小世界屬性評估指標。主要研究內(nèi)容如下:(1)分割模板對DTI腦連接組分析影響的研究�；�75例健康中老年人(50-70歲)DTI數(shù)據(jù),固定圖像采集方式,纖維束追蹤算法,連接矩陣類型等研究因素,采用5個分割模板(AAL、HOA、UPA32、UPA128和UPA512)劃分腦區(qū),創(chuàng)建DTI腦連接組。通過對網(wǎng)絡特征參數(shù)值的定量計算和分類比較,發(fā)現(xiàn)分割模板對于模塊化結構影響較小,對于網(wǎng)絡特征值和網(wǎng)絡特征的敏感性有直接影響,但是不影響腦網(wǎng)絡的小世界屬性。結合本章實驗結果,建議使用尺度適中的解剖型分割模板AAL或隨機型分割模板UPA128進行DTI腦連接組分析。(2)DTI腦網(wǎng)絡中hub識別的研究。本章圍繞網(wǎng)絡類型、識別閾值和識別方法三個方面對hub識別結果的影響展開研究。腦網(wǎng)絡類型包含由AAL,HOA構建的解剖型腦網(wǎng)絡和由UPA模板構建的隨機分割型腦網(wǎng)絡。結果顯示,網(wǎng)絡類型對hub的識別結果有直接影響。當選用同種腦網(wǎng)絡類型、不同識別參數(shù)時,識別出的hub一致性較高;而選用不同腦網(wǎng)絡類型、相同識別參數(shù)時,識別出的hub間存在明顯差異。識別閾值的范圍選定在5%-50%之間,結果顯示,識別閾值對于隨機分割型腦網(wǎng)絡的hub識別結果有直接影響,而對解剖型腦網(wǎng)絡的hub結果影響不大。在識別方法的研究中,選擇節(jié)點度、中心介數(shù)、網(wǎng)絡脆弱性和復合參數(shù)為識別參數(shù),研究得出識別參數(shù)之間存在相關性,但相關性的強弱受到網(wǎng)絡類型的影響。綜合以上結論,結合hub分類研究結果發(fā)現(xiàn),節(jié)點度適用于provincial hub的分類識別,本章提出的復合參數(shù)適用于connector hub的分類識別。(3)DTI腦連接組小世界屬性評估指標的研究。小世界網(wǎng)絡特征是DTI腦連接組的關鍵網(wǎng)絡屬性之一,目前不存在理想的評估指標。本章基于網(wǎng)絡效率提出一個新的DTI腦連接組小世界屬性評估指標:標準化網(wǎng)絡效率(E),對腦網(wǎng)絡的小世界屬性進行量化評估,并從多個方面對評估指標E進行驗證。結果顯示,小世界屬性的量化指標E受模板選擇影響較小;可以較敏感的檢測仿真網(wǎng)絡和真實網(wǎng)絡的隨機化變化;與多個認知參數(shù)間存在顯著相關;在多方面優(yōu)于現(xiàn)有的評估指標σ,因而可以在大腦老化和腦疾病的相關研究中加以使用和推廣。
【關鍵詞】：Diffusion Tensor Imaging(DTI) 腦連接組 分割模板 hub 小世界屬性評估指標
【學位授予單位】：北京工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R338
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-18
• 1.1 研究背景和意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-16
• 1.2.1 DTI腦網(wǎng)絡構建和分割模板的研究11-14
• 1.2.2 DTI腦網(wǎng)絡中的hub節(jié)點及其識別的研究14-15
• 1.2.3 DTI腦連接組小世界屬性評估指標的研究15-16
• 1.3 本文主要研究內(nèi)容及章節(jié)安排16-18
• 第2章 分割模板對DTI腦連接組分析影響的研究18-36
• 2.1 引言18-19
• 2.2 分割模板19-21
• 2.3 DTI腦連接組的構建21-23
• 2.3.1 研究對象和數(shù)據(jù)來源21-22
• 2.3.2 DTI腦網(wǎng)絡的構建22-23
• 2.4 腦網(wǎng)絡特征參數(shù)23-25
• 2.5 研究結果25-32
• 2.5.1 隨機分割型腦網(wǎng)絡之間網(wǎng)絡特征的差異25-28
• 2.5.2 解剖型與隨機分割型腦網(wǎng)絡特征的差異28-31
• 2.5.3 分割模板對腦網(wǎng)絡全局參數(shù)敏感性的研究31-32
• 2.6 討論32-34
• 2.7 本章小結34-36
• 第3章 DTI腦網(wǎng)絡中hub識別的研究36-54
• 3.1 引言36
• 3.2 Hub識別36-42
• 3.2.1 Hub識別方法37-38
• 3.2.2 腦網(wǎng)絡中節(jié)點的排序38-42
• 3.2.3 Hub識別閾值42
• 3.3 識別方法的相關性研究42-43
• 3.4 Hub分類43-44
• 3.4.1 Provincial hub和connector hub的計算43-44
• 3.4.2 識別參數(shù)在hub分類識別中的計算44
• 3.5 研究結果44-50
• 3.5.1 識別方法與腦網(wǎng)絡類型對hub識別結果的影響44-45
• 3.5.2 識別閾值與網(wǎng)絡類型對于hub識別結果的影響45-46
• 3.5.3 識別方法的整體比較46-48
• 3.5.4 Hub分類48-50
• 3.6 討論50-52
• 3.7 本章小結52-54
• 第4章 DTI腦連接組小世界屬性評估指標的研究54-70
• 4.1 引言54-57
• 4.2 小世界屬性的評估指標57-59
• 4.3 小世界屬性評估的新指標59-60
• 4.3.1 評估新指標的定義59-60
• 4.3.2 小世界網(wǎng)絡的仿真60
• 4.4 研究成果60-68
• 4.4.1 標準化網(wǎng)絡效率對DTI腦網(wǎng)絡的評估60-62
• 4.4.2 標準化網(wǎng)絡效率對仿真隨機化腦網(wǎng)絡的評估62-64
• 4.4.3 標準化網(wǎng)絡效率對仿真失連接腦網(wǎng)絡的評估64-66
• 4.4.4 標準化網(wǎng)絡效率在大腦認知能力評估中的應用66-68
• 4.5 討論68-69
• 4.6 本章小結69-70
• 結論與展望70-72
• 參考文獻72-80
• 攻讀碩士學位期間所發(fā)表的學術論文80-82
• 致謝82

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 文路;湯富酬;;單細胞轉錄組分析研究進展[J];生命科學;2014年03期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 唐惠儒;;生物代謝組分析[A];第十六屆全國波譜學學術會議論文摘要集[C];2010年

2 楊志凱;官遠芳;楊維東;劉潔生;呂頌輝;李宏業(yè);;高通量轉錄組分析三角褐指藻氮代謝影響脂質(zhì)累積的分子機制[A];中國藻類學會第八次會員代表大會暨第十六次學術討論會論文摘要集[C];2011年

3 文路;湯富酬;;單細胞轉錄組分析研究進展[A];生命科學——專題：RNA研究的新技術和新方法（第26卷第3期）[C];2014年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 靳聰;DTI腦連接組分析中關鍵技術的研究[D];北京工業(yè)大學;2016年

，

本文編號：539469