【摘要】：近年來,大量研究表明,腦網(wǎng)絡(luò)在結(jié)構(gòu)和功能上具有一定的拓?fù)浣Y(jié)構(gòu)和組織特征,并能夠提供穩(wěn)定的生物標(biāo)記,這為人們理解大腦機(jī)制提供了新的視角。因此,針對腦網(wǎng)絡(luò)的研究吸引了大量學(xué)者的研究興趣。目前功能性腦網(wǎng)絡(luò)(functional brain network,FBN)已經(jīng)成為探索大腦工作機(jī)制和挖掘信息生物標(biāo)記以協(xié)助診斷某些神經(jīng)性疾病的重要手段(如帕金森癥(Parkinson's disease,PD)、自閉癥(autism spectrum disease,ASD)以及阿爾茲海默癥(Alzheimer's disease,AD))。盡管目前腦網(wǎng)絡(luò)的研究工作已經(jīng)取得大量進(jìn)展,但腦網(wǎng)絡(luò)模型仍然存在可擴(kuò)展性低、可解釋性差及無法有效利用先驗信息等缺點。為解決現(xiàn)有腦網(wǎng)絡(luò)模型存在的問題,本文基于正則化框架,對現(xiàn)有腦網(wǎng)絡(luò)模型進(jìn)行改進(jìn)。通過正則化框架中的數(shù)據(jù)擬合項和正則項分別對腦網(wǎng)絡(luò)的統(tǒng)計特性以及生理先驗進(jìn)行建模,嘗試從新的角度提出一個穩(wěn)定、系統(tǒng)的腦網(wǎng)絡(luò)建�？蚣堋Ｔ诖丝蚣芑A(chǔ)上,本文的主要工作和創(chuàng)新之處如下:(1)將傳統(tǒng)基于Pearson相關(guān)的腦網(wǎng)絡(luò)建模方法重新構(gòu)造成一個新的優(yōu)化模型,并將其引入到正則化框架中,從而極大的擴(kuò)展了Pearson方法的模型空間。并且利用腦網(wǎng)絡(luò)的稀疏性和無標(biāo)度性作為先驗知識,將其轉(zhuǎn)化為對應(yīng)的正則項,以此作為一個簡單嘗試引入到模型中,從而得到了具有稀疏性和無標(biāo)度性的腦網(wǎng)絡(luò)。(2)將數(shù)據(jù)中的噪聲假設(shè)進(jìn)行建模并轉(zhuǎn)化為腦網(wǎng)絡(luò)模型中的正則項。通過這種方式提出了一種與腦網(wǎng)絡(luò)相關(guān)的核磁數(shù)據(jù)清洗方法。這種新的模型能夠在構(gòu)建腦網(wǎng)絡(luò)的同時,有效的剔除潛在的數(shù)據(jù)噪聲點。通過實驗發(fā)現(xiàn),去除的噪聲點與一些特殊的靜息狀態(tài)顯著相關(guān)。(3)將模型擴(kuò)展到張量空間,通過張量正則化的形式,引入腦網(wǎng)絡(luò)的組約束信息。利用張量的低秩正則化作為簡單嘗試,來逼近組內(nèi)腦網(wǎng)絡(luò)的相似性先驗信息。并通過PARAFAC分解求解張量的低秩正則化,得到具有組約束的腦網(wǎng)絡(luò)。為進(jìn)一步驗證本文所構(gòu)建的腦網(wǎng)絡(luò)模型,將其用于神經(jīng)性疾病的預(yù)測和診斷,同時為了避免特征提取和分類器給分類診斷結(jié)果帶來的混淆效應(yīng),本文全部采用最簡單的特征提取以及分類器訓(xùn)練分類模型。實驗結(jié)果發(fā)現(xiàn),通過正則化框架,能夠有效的引入先驗信息,對構(gòu)建的腦網(wǎng)絡(luò)進(jìn)行約束。這種先驗信息的引入,能夠提高腦網(wǎng)絡(luò)對神經(jīng)性疾病的辨識性。本文模型構(gòu)建的腦網(wǎng)絡(luò)模型在精度、靈敏性和特異性幾個指標(biāo)中均較傳統(tǒng)方法有很大的提升。
【學(xué)位授予單位】：重慶交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R318
【圖文】：

而目前的工作大多都只注重在稀疏或者低秩先驗。文研究內(nèi)容和目標(biāo)主要針對基于正則化框架的腦網(wǎng)絡(luò)建模進(jìn)行研究，并針對腦網(wǎng)絡(luò)目進(jìn)行了思考，并嘗試解決以上問題。首先，通過正則化框架可以加入約束信息來有效的避免數(shù)據(jù)噪聲對構(gòu)建的腦網(wǎng)絡(luò)的影響。因此，可以圖的技巧運用到圖的投影矩陣正則化，從而指導(dǎo)構(gòu)建更魯棒的腦網(wǎng)其他如在解剖或者其他一些手段所得到腦網(wǎng)絡(luò)存在很多結(jié)構(gòu)上的先性”，“模塊性”，“無標(biāo)度性”，“Hub 特性”，以及一些功能先驗信息[3驗信息轉(zhuǎn)化為合適的正則項，引入腦網(wǎng)絡(luò)模型。另外，基于正則項框型能夠很好的將一些拓?fù)浣Y(jié)構(gòu)以及一些生理信息引入到腦網(wǎng)絡(luò)的構(gòu)地挖掘和研究腦網(wǎng)絡(luò)的連接模式。在本文中，主要針對腦網(wǎng)絡(luò)模型的使用了較為常用的 fMRI 數(shù)據(jù)作為構(gòu)建腦網(wǎng)絡(luò)的數(shù)據(jù)來源，同時為了，本文只針對大尺度的腦網(wǎng)絡(luò)進(jìn)行構(gòu)建，即構(gòu)建腦區(qū)或者興趣區(qū)之間絡(luò)。本文的研究方案如圖 1 所示：

圖 2 核磁共振信號產(chǎn)生機(jī)制，來源：Jorge Jovicich過程中，圖像有四個最基本的參數(shù)為回波時間(T視野大小�；夭〞r間是指給定脈沖刺激后，收指掃描一個完整的大腦成像所需要的時間；體辨率，決定了掃描的清晰程度；視野大小也就是是一個完整大腦還是部分大腦。一般的，體素越體素尺寸下，每個體素中的信號量顯著降低，相對于數(shù)據(jù)中整體噪聲波動量的變化量減少。會增加八倍的信噪比。因此 3T 的掃描儀通常采小與我們的任務(wù)設(shè)計有關(guān)，取決我們的任務(wù)是 interest ROI)。TR 由空間分辨率決定，分辨率分辨率和空間分辨率成反比關(guān)系，因此需要在層掃描，因此有掃描層數(shù)和掃描順序兩個參數(shù)

回波時間是指給定脈沖刺激后掃描一個完整的大腦成像所需要的時間，決定了掃描的清晰程度；視野大小也個完整大腦還是部分大腦。一般的，體素尺寸下，每個體素中的信號量顯著降于數(shù)據(jù)中整體噪聲波動量的變化量減加八倍的信噪比。因此 3T 的掃描儀通與我們的任務(wù)設(shè)計有關(guān)，取決我們的任rest ROI)。TR 由空間分辨率決定，分辨辨率和空間分辨率成反比關(guān)系，因此需掃描，因此有掃描層數(shù)和掃描順序兩個要多少次，掃描順序是指對大腦掃描的因此一般采取隔層掃描的策略即先掃描

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 張道強(qiáng);接標(biāo);;基于機(jī)器學(xué)習(xí)的腦網(wǎng)絡(luò)分析方法及應(yīng)用[J];數(shù)據(jù)采集與處理;2015年01期

2 郭浩;李越;劉志芬;曹曉華;陳俊杰;;抑郁癥復(fù)雜腦網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)差異分析及分類研究[J];計算機(jī)工程與設(shè)計;2013年08期

3 馬園園;鄭罡;周潔敏;張志強(qiáng);鐘元;盧光明;;基于fMRI的腦功能整合數(shù)據(jù)分析方法綜述[J];生物物理學(xué)報;2011年01期

本文編號：2773514