本文選題：滑動窗口技術(shù)　切入點：動態(tài)特征矩陣　出處：《昆明理工大學》2017年碩士論文

【摘要】：近年來,復雜網(wǎng)絡理論、圖論、計算機技術(shù)、生物科學技術(shù)及腦成像技術(shù)的快速發(fā)展,極大的推動了腦網(wǎng)絡研究的進程,越來越多的科學工作者們致力于尋找和發(fā)現(xiàn)腦網(wǎng)絡的結(jié)構(gòu)、功能演變規(guī)律。通過對基于核磁共振技術(shù)的腦成像數(shù)據(jù)進行分析來構(gòu)建腦網(wǎng)絡并揭示大腦的運作機制,已經(jīng)成為腦科學研究領(lǐng)域關(guān)注的重點。目前對腦網(wǎng)絡的研究主要集中在靜態(tài)特性研究,研究人員一般對一段時間內(nèi)的腦成像數(shù)據(jù)信號進行均值化處理后再對腦區(qū)特性展開結(jié)構(gòu)性、功能性或效應性的分析。實際上,大腦本身是一個隨時在運行著的系統(tǒng),基于核磁共振技術(shù)得到的大腦信號也是實時更新而且不斷變化的,因此對人腦動態(tài)特性展開研究具有重要意義。本文針對人腦實時變化的特性,為了更好的觀測和描述人腦網(wǎng)絡的動態(tài)特征,提出了一種基于滑動窗口技術(shù)的動態(tài)特性分析方法來構(gòu)建全腦動態(tài)特征矩陣,從而實現(xiàn)了對人腦動態(tài)特征的提取和描述。該方法利用滑動窗口技術(shù)的即時更新能力,首先把靜息態(tài)功能磁共振成像數(shù)據(jù)采集區(qū)間上的血氧水平依賴信號由大時間窗口序列分解重構(gòu)為每個采樣點上的小時間窗口序列,從而構(gòu)建連續(xù)時間點上的狀態(tài)觀測窗口;接著針對腦網(wǎng)絡的分布性和活動并發(fā)性特征,將同步多維數(shù)據(jù)流的相關(guān)性分析算法應用于狀態(tài)觀測窗口內(nèi)的數(shù)據(jù)分析,并構(gòu)建得到了單狀態(tài)觀測矩陣;最后對全腦特征進行提取,構(gòu)建得到了在整個數(shù)據(jù)采集區(qū)間上的全腦動態(tài)特征矩陣。該方法可以有效地將不同腦區(qū)的瞬時時間信號重組,并以特征矩陣的形式表現(xiàn)出來,從而得到全腦網(wǎng)絡的動態(tài)特征。實驗結(jié)果驗證了該方法的可行性和適用性,為人腦網(wǎng)絡動態(tài)特性的觀測和描述提供了一定的理論基礎。
[Abstract]:In recent years, the rapid development of complex network theory, graph theory, computer technology, biological science and technology and brain imaging technology has greatly promoted the progress of brain network research. More and more scientists are working to find and discover the structure and function of brain networks, by analyzing brain imaging data based on nuclear magnetic resonance (MRI) technology to construct brain networks and reveal the mechanism of brain function. Has become the focus of brain science research. At present, the research on brain network is mainly focused on static characteristics. Researchers generally analyze the structural, functional, or effectual characteristics of brain regions after averaging brain imaging data over a period of time. In fact, the brain itself is a system that is running all the time. The brain signals obtained by nuclear magnetic resonance (NMR) technology are also real-time updated and constantly changing, so it is of great significance to study the dynamic characteristics of human brain. In order to better observe and describe the dynamic characteristics of human brain network, a dynamic characteristic analysis method based on sliding window technology is proposed to construct the dynamic feature matrix of the whole brain. Thus, the extraction and description of the dynamic features of human brain are realized. This method utilizes the real-time updating ability of sliding window technology. Firstly, the blood oxygen level dependent signal in the interval of resting functional magnetic resonance imaging data acquisition is decomposed from the large time window sequence into the small time window sequence on each sampling point, and the state observation window on the continuous time point is constructed. Then, aiming at the distribution and concurrency of brain network, the correlation analysis algorithm of synchronous multidimensional data flow is applied to the data analysis in the state observation window, and the single state observation matrix is constructed. Finally, the whole brain feature is extracted, and the whole brain dynamic feature matrix is constructed in the whole data acquisition interval. This method can effectively recombine the instantaneous time signals of different brain regions and express them in the form of feature matrix. The experimental results verify the feasibility and applicability of the method and provide a theoretical basis for the observation and description of the dynamic characteristics of the human brain network.
【學位授予單位】：昆明理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：R318;O157.5

【參考文獻】

相關(guān)期刊論文 前10條

1 劉慧華;鄭金甌;;靜息態(tài)功能磁共振方法學的研究進展[J];醫(yī)學綜述;2016年01期

2 李少波;魏中賀;孟偉;;基于距離的數(shù)據(jù)流在線檢測算法研究[J];計算機應用研究;2015年12期

3 張洪英;吳晶濤;;腦功能磁共振信號分析技術(shù)及應用研究進展[J];東南大學學報(醫(yī)學版);2015年02期

4 JIANG TianZi;;Brainnetome and related projects[J];Science China(Life Sciences);2014年04期

5 楊雄里;;對中國腦科學研究的思考[J];科技導報;2013年35期

6 鐘元;趙翠花;陶玲;張志強;戚榮豐;盧光明;;靜息態(tài)fMRI分析方法及其在創(chuàng)傷后應激障礙研究中的應用[J];生物物理學報;2013年10期

7 顧凡及;;尖端創(chuàng)新神經(jīng)技術(shù)腦研究計劃:美國腦研究計劃評介[J];科學;2013年05期

8 方錦清;;大腦網(wǎng)絡的探索進程(二)——進展、思考和挑戰(zhàn)[J];自然雜志;2013年02期

9 方錦清;;大腦網(wǎng)絡的探索進程(一)——研究特點、方法與三大類型[J];自然雜志;2012年06期

10 伊慧明;楊明銘;孟亮亮;張敬;;靜息態(tài)fMRI確定雙手運動相關(guān)腦區(qū)——種子點選擇對結(jié)果的影響[J];國際醫(yī)學放射學雜志;2011年05期

相關(guān)博士學位論文 前2條

1 翁曉光;靜息態(tài)腦功能磁共振數(shù)據(jù)分析方法及在弱視神經(jīng)機制中的應用研究[D];南京航空航天大學;2010年

2 李建福;磁共振結(jié)構(gòu)像分析及其在音樂家大腦研究中的應用[D];電子科技大學;2015年

相關(guān)碩士學位論文 前4條

1 邢桂陽;任務態(tài)下fMRI功能腦網(wǎng)絡的構(gòu)建與分析方法研究[D];太原理工大學;2014年

2 楊彤瑤;基于改進主元分析方法的同步多維數(shù)據(jù)流實時異常診斷方法研究[D];昆明理工大學;2014年

3 張紅巖;隨機森林在醫(yī)學影像數(shù)據(jù)分析中的應用[D];湖南師范大學;2013年

4 王艷群;靜息態(tài)腦功能網(wǎng)絡的構(gòu)建及社團結(jié)構(gòu)分析研究[D];太原理工大學;2012年

，

本文編號：1654538