人腦功能活動在個體間存在不可忽視的差異,功能網絡的分布以及功能區(qū)定位在不同的被試上也存在較大變異性。個體差異現如今已經成為腦成像研究中研究認知行為神經活動基礎以及疾病病理生理機制必須考慮的因素之一。靜息態(tài)磁共振（Resting-state functional magnetic resonance imaging,rfMRI）可以無創(chuàng)的觀測大腦內在神經活動,并且不需要任何認知任務,能夠很好的反映大腦功能活動模式以及網絡分布,非常適用于探究腦部疾病內在神經基礎,在癲癇的研究中也已經越來越多的被用到。但大多數的rfMRI研究分析方法多利用群組水平的圖譜,忽略了個體間差異,模糊了個體上的功能活動細節(jié)。近些年來,多種個體化方法被提出,這些方法都考慮到了個體間差異的影響,可以獲得更加貼近個體的腦功能區(qū)定位以及網絡劃分。并且這些方法已經用到了精神分裂癥等精神疾病以及孤獨癥等神經發(fā)育性障礙的研究中,但在癲癇中還尚未有相關方法的應用。針對癲癇rfMRI個體化腦圖譜相關研究的空缺,我們利用兩種不同的個體化腦圖譜方法,對多種癲癇亞型以及匹配的健康對照識別個體化感興趣區(qū)并構建連接矩陣,利用機器學習算法提取關... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：66 頁

【學位級別】：碩士

【部分圖文】：

多種功能網絡劃分及更加精細的功能區(qū)圖譜

第二章基于個體化功能網絡分割的多亞型癲癇分類152.2.4個體水平上的功能腦網絡分割本章中采用了DanhongWang等人于2015年提出的分割方法[30]，其主要步驟如下：（1）將Yeo等人于2011年提出的基于1000名被試大樣本皮層功能連接信息利用聚類算法得到的具有17個網絡[1]的功能網絡劃分為基礎，將運動區(qū)中在動手任務中激活的區(qū)域即動手區(qū)單獨列出作為一個網絡，由此得到一個18網絡的群組水平模板（圖2-1）。這18個功能網絡具體為：與視覺相關的邊緣視覺網絡（visualperipheral）以及中央視覺網絡（visualcentral），負責軀體感覺與負責支配運動的感覺運動網絡A、B區(qū)（somato-motorA;somato-motorB），背側注意網絡A、B區(qū)（dorsalattentionA;dorsalattentionB），腹側注意網絡（ventralattention），突顯網絡（salience），邊緣系統(tǒng)網絡（limbic），控制網絡A、B、C區(qū)（controlA;controlB;controlC），默認模式網絡D區(qū)即聽覺網路（defaultmodeD/auditory），默認模式網絡A、B、C區(qū)（defaultmodeA,defaultmodeB,defaultmodeC）。然后，將群組水平上的模板投射到所有被試BOLD信號圖像所在的fsaverage4空間，把每個功能區(qū)的信號提取出來并把該分區(qū)內所有頂點的信號平均得到每個功能區(qū)的時間序列。所有這些功能區(qū)的時間序列在下面的分析中作為分割的起始點，且后續(xù)多項操作依賴于這些信號，我們這里稱之為“參考信號”（referencesignal）。圖2-1群組水平功能網絡模板注：將大腦皮層劃分為18個功能區(qū)，不同的顏色分別表示不同的功能網絡，其中灰色部分為皮層下網絡，為納入分析范圍。

電子科技大學碩士學位論文18圖2-2個體化功能網絡分割流程示意圖[30]注：（1）將群組水平上的具有18個功能網絡的模板投射到所有被試BOLD信號圖像所在的fsaverage4空間，并計算每個網絡的參考信號；（2）計算每個頂點與18個網絡的參考信號的相關系數，將分割置信度符合條件的頂點重新分配到與之相關系數最大的網絡，并按照新的劃分得到每個網絡的核心信號；（3）將核心信號與參考信號結合被試內變異性、tSNR以及迭代次數等參數的影響加權平均，作為下一次分配過程的參考信號；（4）重復（3）中的步驟，不斷迭代；（5）當迭代到達算法的終止條件時停止迭代，分割結果收斂到一個穩(wěn)定的模式，作為該被試的個體化功能網絡分割。步驟一：將2.2.3中獲得的個體功能網絡分割利用聚類算法在各個網絡內分割成具有相似功能活動的小塊，這一步驟利用的是ConnectomeWorkbench軟件中的wb_command-metric-find-clusters工具，18個網絡共分為116個小塊。其中為了減少噪聲對匹配過程的影響，所有網絡在使用聚類算法分裂前都進行了平滑核sigma為1毫米的二維平面平滑。平滑的過程只在ROI匹配的過程中發(fā)揮作用，一旦功能一致性腦區(qū)全部匹配完畢，會提取未平滑的數據用于后續(xù)的分析。


本文編號：3587845