腦圖譜是前沿科學(xué)研究的重要工具,構(gòu)建高質(zhì)量的腦圖譜不僅能極大地促進(jìn)大腦結(jié)構(gòu)-功能關(guān)系的研究、神經(jīng)解剖學(xué)的研究和臨床醫(yī)療研究,還能為類腦計(jì)算、智能技術(shù)、芯片設(shè)計(jì)等提供重要的啟示。彌散張量成像是一種新型的無侵入性的活體大腦成像技術(shù),在腦科學(xué)研究中,基于彌散張量成像的腦圖譜構(gòu)建是非常重要的一個(gè)研究方向。作為研究人腦的優(yōu)秀模型之一,猴腦研究吸引了越來越多的科學(xué)家們的研究興趣。但是目前基于彌散張量成像技術(shù)的致力于獼猴腦圖譜構(gòu)建的系統(tǒng)研究還非常的有限。針對這一現(xiàn)狀,本文系統(tǒng)的研究了基于解剖連接分割的獼猴腦圖譜構(gòu)建方法,然后配套開發(fā)了一套腦區(qū)分割流程處理軟件工具箱,并使用該工具箱完成了在獼猴多個(gè)腦區(qū)上的分割任務(wù)。首先,在宏觀尺度上,基于彌散磁共振成像技術(shù),整合設(shè)計(jì)并優(yōu)化改進(jìn)了多種圖像處理算法。第一,一款應(yīng)用于獼猴腦組織提取的自動化魯棒算法對于神經(jīng)影像研究是很有必要的,特別是涉及高通量分析和大數(shù)據(jù)計(jì)算的應(yīng)用場景,這種需求更加迫切。利用磁共振影像數(shù)據(jù),本文提出了一種基于多圖譜分割的的自動提取腦組織的方法,然后將該算法得到的結(jié)果和手工分割的結(jié)果對比并進(jìn)行評估。這一部分的研究工作主要貢獻(xiàn)包含兩個(gè)方面,使用了... 

【文章來源】：哈爾濱理工大學(xué)黑龍江省

【文章頁數(shù)】：147 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題研究的背景及意義
        1.1.1 課題來源
        1.1.2 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 腦圖譜的發(fā)展和認(rèn)識
        1.2.2 腦圖譜的構(gòu)建方法
        1.2.3 額極的歷史、組織結(jié)構(gòu)和功能
    1.3 基于連接的腦圖譜構(gòu)建
        1.3.1 磁共振成像
        1.3.2 彌散張量成像技術(shù)
        1.3.3 纖維束追蹤技術(shù)
    1.4 腦圖譜構(gòu)建算法
        1.4.1 K-means聚類算法
        1.4.2 譜聚類算法
        1.4.3 摩爾投票算法
        1.4.4 最小二乘法
        1.4.5 分層聚類算法
    1.5 本文主要研究內(nèi)容和組織結(jié)構(gòu)
第2章 猴腦圖譜分區(qū)流程設(shè)計(jì)和分析方法的優(yōu)化
    2.1 引言
    2.2 獼猴腦區(qū)分割流程框架
    2.3 數(shù)據(jù)預(yù)處理
        2.3.1 腦組織提取
        2.3.2 數(shù)據(jù)標(biāo)準(zhǔn)化和模型估計(jì)
    2.4 圖像配準(zhǔn)
    2.5 個(gè)體腦圖像分割
    2.6 一致性標(biāo)簽
    2.7 分區(qū)概率圖和最大概率圖
        2.7.1 概率圖
        2.7.2 最大概率圖
    2.8 綜合驗(yàn)證
        2.8.1 個(gè)體空間分區(qū)結(jié)果驗(yàn)證
        2.8.2 標(biāo)準(zhǔn)空間分區(qū)結(jié)果驗(yàn)證
    2.9 模塊化分析
        2.9.1 模塊化網(wǎng)絡(luò)
        2.9.2 分層聚類算法優(yōu)化
    2.10 本章小結(jié)
第3章 基于連接的猴腦圖譜構(gòu)建工具箱及其驗(yàn)證
    3.1 引言
    3.2 軟件工具箱特點(diǎn)
    3.3 工具箱軟件實(shí)現(xiàn)
        3.3.1 軟件主要算法實(shí)現(xiàn)描述
        3.3.2 軟件運(yùn)行環(huán)境
        3.3.3 軟件流程
        3.3.4 目錄結(jié)構(gòu)和命名范式
    3.4 軟件實(shí)驗(yàn)測試
        3.4.1 實(shí)驗(yàn)被試數(shù)據(jù)
        3.4.2 獼猴影像數(shù)據(jù)采集
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 標(biāo)本數(shù)據(jù)分區(qū)實(shí)驗(yàn)
        3.5.2 重復(fù)性實(shí)驗(yàn)
        3.5.3 實(shí)驗(yàn)分析討論
    3.6 本章小結(jié)
第4章 獼猴額極連接圖譜構(gòu)建和分析
    4.1 引言
    4.2 實(shí)驗(yàn)數(shù)據(jù)和方法
        4.2.1 實(shí)驗(yàn)影像數(shù)據(jù)
        4.2.2 數(shù)據(jù)處理
        4.2.3 概率纖維追蹤
    4.3 獼猴額極皮層的分區(qū)
        4.3.1 聚類
        4.3.2 分區(qū)指標(biāo)
        4.3.3 分區(qū)結(jié)果
    4.4 額極皮層子區(qū)的連接指紋圖
        4.4.1 指紋圖構(gòu)建
        4.4.2 目標(biāo)區(qū)域的選取
        4.4.3 全腦的解剖連接
        4.4.4 皮層上腦區(qū)的連接
        4.4.5 皮層下結(jié)構(gòu)的連接
    4.5 額極子區(qū)的解剖連接相似性分析
    4.6 額極分區(qū)結(jié)果和解剖連通性的比較
        4.6.1 額極分區(qū)邊界的比較
        4.6.2 解剖連接和示蹤結(jié)果的比較
    4.7 額極皮層子區(qū)的模塊化分析
        4.7.1 模塊化算法優(yōu)化
        4.7.2 模塊化結(jié)果
    4.8 額極子區(qū)和功能網(wǎng)絡(luò)的連接
    4.9 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]多模態(tài)人腦影像與腦網(wǎng)絡(luò)組學(xué)研究[J]. 左年明,蔣田仔.  中國科學(xué):生命科學(xué). 2020(11)
[2]腦科學(xué)研究的三大發(fā)展方向[J]. 蒲慕明.  中國科學(xué)院院刊. 2019(07)
[3]Transgenic rhesus monkeys carrying the human MCPH1 gene copies show human-like neoteny of brain development[J]. Lei Shi,Xin Luo,Jin Jiang,Yongchang Chen,Cirong Liu,Ting Hu,Min Li,Qiang Lin,Yanjiao Li,Jun Huang,Hong Wang,Yuyu Niu,Yundi Shi,Martin Styner,Jianhong Wang,Yi Lu,Xuejin Sun,Hualin Yu,Weizhi Ji,Bing Su.  National Science Review. 2019(03)
[4]腦皮層功能定位技術(shù)在臨床研究中的應(yīng)用發(fā)展[J]. 溫建斌,李小俚.  中國醫(yī)療設(shè)備. 2017(05)
[5]基于靜息態(tài)fMRI的阿爾茨海默病低頻振幅研究[J]. 劉艷秋,田曉潔,魏永斌,夏明睿,劉學(xué)娜,賀永,張新卿.  神經(jīng)藥理學(xué)報(bào). 2017(02)
[6]腦科學(xué)與類腦研究概述[J]. 蒲慕明,徐波,譚鐵牛.  中國科學(xué)院院刊. 2016(07)
[7]腦白質(zhì)纖維束跟蹤算法的研究進(jìn)展[J]. 張艷,宋志堅(jiān).  復(fù)旦學(xué)報(bào)(醫(yī)學(xué)版). 2014(01)
[8]人腦功能連接組:方法學(xué)、發(fā)展軌線和行為關(guān)聯(lián)[J]. 左西年,張喆,賀永,臧玉峰.  科學(xué)通報(bào). 2012(35)
[9]人類早期應(yīng)激獼猴模型新進(jìn)展[J]. 馮曉麗,胡新天.  自然雜志. 2012(01)
[10]腦網(wǎng)絡(luò):從腦結(jié)構(gòu)到腦功能[J]. 蔣田仔,劉勇,李永輝.  生命科學(xué). 2009(02)

博士論文
[1]人類和獼猴伏隔核連接組圖譜的構(gòu)建和跨物種比較[D]. 夏瀟鸞.太原理工大學(xué) 2019
[2]基于腦網(wǎng)絡(luò)組圖譜的抑郁癥精確重復(fù)經(jīng)顱磁刺激治療研究[D]. 楊勇鋒.電子科技大學(xué) 2019
[3]旁海馬組織腦網(wǎng)絡(luò)圖譜研究[D]. 卓俊杰.電子科技大學(xué) 2016
[4]頂葉腦圖譜構(gòu)建及應(yīng)用[D]. 張雅勤.電子科技大學(xué) 2015
[5]基于不同連接模式構(gòu)建外側(cè)頂葉和顳葉腦圖譜[D]. 王驕健.電子科技大學(xué) 2014
[6]醫(yī)學(xué)圖像非剛性配準(zhǔn)方法研究[D]. 周志勇.中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所） 2013

碩士論文
[1]基于連接模式的Wernicke區(qū)跨文化腦圖譜研究[D]. 袁心茹.電子科技大學(xué) 2019



本文編號：3442784