【摘要】：多模態(tài)核磁共振腦圖像為我們探索腦神經(jīng)提供了從結(jié)構(gòu)到功能的影像學(xué)信息,許多研究表明一些精神性或神經(jīng)性疾病都會(huì)引起腦結(jié)構(gòu)和腦功能的變化,這些變化可能存在內(nèi)在的聯(lián)系。多模態(tài)核磁共振圖像聯(lián)合分析為揭開(kāi)腦結(jié)構(gòu)變化和腦功能變化的關(guān)系提供了可能,另外這種聯(lián)合分析提供的全面醫(yī)學(xué)影像信息對(duì)探索腦工作原理具有重要作用。多模態(tài)核磁共振數(shù)據(jù)有著信息互補(bǔ)的優(yōu)勢(shì),但如何利用這些不同屬性的數(shù)據(jù),綜合反映研究對(duì)象的生物學(xué)信息仍然是一種迫切的需求和重大的挑戰(zhàn)。在眾多困擾人類(lèi)的疾病中,肥胖由于其流行性、易于引起其他一些頑固性疾病,已經(jīng)成為危害人類(lèi)健康最嚴(yán)重的疾病之一。研究人員希望從腦部入手探究肥胖人群異常的腦功能或者腦結(jié)構(gòu)來(lái)揭示肥胖的神經(jīng)機(jī)制,然而很少有研究從腦功能到腦結(jié)構(gòu)的多模態(tài)聯(lián)合分析。因此,本文圍繞多模態(tài)核磁共振圖像處理方法及應(yīng)用主要開(kāi)展了以下四個(gè)方面的研究(1)用各模態(tài)單獨(dú)分析的方法,研究了肥胖人群腦結(jié)構(gòu)和腦功能的變化以及減肥手術(shù)對(duì)這些變化的影響。通過(guò)將靜息態(tài)功能磁共振(resting state fMRI)和T1加權(quán)像分別按照各自的模態(tài)分析方法進(jìn)行獨(dú)立分析,發(fā)現(xiàn)靜息態(tài)下的肥胖人群在眶額皮層腦活動(dòng)降低,小腦和枕-頂葉區(qū)域的腦灰質(zhì)體積降低,手術(shù)后這些異常得到了恢復(fù)。我們的研究揭示了肥胖人群腦結(jié)構(gòu)和腦功能活動(dòng)異常的可塑性,對(duì)肥胖的機(jī)理研究和治療具有重要意義。(2)用平行獨(dú)立成分分析方法(parallel-ICA)對(duì)肥胖人群腦功能和腦結(jié)構(gòu)像進(jìn)行了聯(lián)合分析,發(fā)現(xiàn)肥胖人群的腦結(jié)構(gòu)和腦功能變化間具有耦合性。雖然沒(méi)有發(fā)現(xiàn)手術(shù)后這些異常成分的恢復(fù)(神經(jīng)的可塑性),但研究首次證實(shí)了肥胖人群腦功能和腦結(jié)構(gòu)間變化的耦合性,這種變化的耦合性揭示了肥胖人群腦結(jié)構(gòu)和腦功能變化的內(nèi)在聯(lián)系,對(duì)理解肥胖的神經(jīng)機(jī)制有重要作用。(3)針對(duì)目前多模態(tài)磁共振圖像分析方法中的缺陷,我們提出了一套適用于多模態(tài)聯(lián)合分析的方法。方法主要分為兩個(gè)部分,第一部分是考慮到測(cè)得的核磁信號(hào)是各種生理信息的綜合反映,對(duì)各個(gè)模態(tài)的圖像進(jìn)行非負(fù)盲源分離。其中,針對(duì)反映腦結(jié)構(gòu)信息的T1加權(quán)像,采用非負(fù)矩陣分解的方法將圖像分解為基圖像的線性疊加,針對(duì)反映腦功能信息的fMRI像,基于李群和李代數(shù)的映射關(guān)系改進(jìn)了非負(fù)獨(dú)立成分分解的方法,并將此方法首次應(yīng)用于fMRI圖像的非負(fù)分解中。這兩種針對(duì)不同模態(tài)的非負(fù)盲源信號(hào)分離方法可以將測(cè)得的不同模態(tài)的核磁圖像分解為生理上可解釋的成分(非負(fù)成分)。本文用模擬數(shù)據(jù)驗(yàn)證了這兩種方法分別作用于結(jié)構(gòu)像和功能像的可行性。方法學(xué)的第二個(gè)主要部分是對(duì)分解出的基圖像進(jìn)行特征選擇�？紤]到各個(gè)模態(tài)的圖像間的屬性差異性和基圖像數(shù)量多的特點(diǎn),我們采用對(duì)變量屬性沒(méi)有要求、適用于多變量的集成式機(jī)器學(xué)習(xí)方法—隨機(jī)森林算法對(duì)基圖像進(jìn)行篩選,并對(duì)篩選出的基圖像的系數(shù)做相關(guān)性分析,從而得到不同模態(tài)間的相關(guān)性。(4)本文將建立的多模態(tài)圖像聯(lián)合分析方法應(yīng)用于肥胖人群的腦結(jié)構(gòu)和腦功能研究中,發(fā)現(xiàn)肥胖人群的腦結(jié)構(gòu)變化和腦功能變化間的耦合性,并且隨機(jī)森林算法挑選出的兩種模態(tài)的異常成分在空間分布上有一定重合性,同時(shí)我們的結(jié)果顯示減肥手術(shù)能夠恢復(fù)這些變化的腦結(jié)構(gòu)和腦功能活動(dòng)。本文構(gòu)建的多模態(tài)圖像聯(lián)合分析方法的結(jié)果驗(yàn)證了肥胖人群腦結(jié)構(gòu)變化和腦功能變化的耦合性,同時(shí)驗(yàn)證了這種結(jié)構(gòu)和功能變化的可塑性,這說(shuō)明我們建立的多模態(tài)磁共振圖像處理方法較現(xiàn)有的方法具有更高的檢測(cè)效率。
【圖文】：

1.1 jICA 方法示意圖。假設(shè)有 M 個(gè)被試，每個(gè)被試的圖像有 N 個(gè)像素點(diǎn)。等式左側(cè)數(shù)據(jù)矩陣，右側(cè) A 為系數(shù)矩陣，其中 A 的行代表被試，列代表成分的個(gè)數(shù)，S 為成分矩。考慮到 jICA 的缺陷，Liu 等人提出了平行獨(dú)立成分分析（parallelindepend

圖 2.1 肥胖被試手術(shù)前后腦區(qū)活動(dòng)編號(hào)情況。a 代表手術(shù)前肥胖被試與正常體重被試相比活動(dòng)降低的腦區(qū)。b 代表肥胖被試手術(shù)前后自身對(duì)照有差異腦活動(dòng)的區(qū)域�？s寫(xiě)及中英文對(duì)照：SFG,Superior Frontal Gyrus 前額葉上部；OC，，Orbitofrontal Cortex 眶額皮層；GR,Gyrus Rectur 直回；L,Left 左側(cè)；R，Right 右側(cè)。VBM 分析結(jié)果顯示與正常體重被試相比，術(shù)前肥胖患者具有降低的灰質(zhì)體
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP391.41;R445.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周毅;;政務(wù)多模態(tài)圖像話語(yǔ)表征探析[J];中國(guó)廣播電視學(xué)刊;2017年06期

2 王佳宇;;“系統(tǒng)功能符號(hào)學(xué)”視角下多模態(tài)語(yǔ)篇的批評(píng)性分析框架研究[J];外語(yǔ)藝術(shù)教育研究;2011年01期

3 楊?,裴繼紅,謝維信;一種基于頻帶一致性的多模態(tài)圖像校準(zhǔn)算法[J];通信學(xué)報(bào);2005年04期

4 陳風(fēng)華;胡冬梅;;多模態(tài)隱喻研究20年(1998—2017)——理論、實(shí)踐與進(jìn)展[J];外國(guó)語(yǔ)文;2018年05期

5 劉澤宇;馬龍龍;吳健;孫樂(lè);;基于多模態(tài)神經(jīng)網(wǎng)絡(luò)的圖像中文摘要生成方法[J];中文信息學(xué)報(bào);2017年06期

6 朱俊林;;淺析多模態(tài)醫(yī)學(xué)圖像的配準(zhǔn)與融合技術(shù)[J];醫(yī)療衛(wèi)生裝備;2005年12期

7 黎姿;;電影《流浪地球》海報(bào)的多模態(tài)三維解讀[J];藝術(shù)科技;2019年01期

8 閆利;胡修兵;陳長(zhǎng)軍;馬振玲;;多模態(tài)圖像配準(zhǔn)的梯度一致性算子[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2013年08期

9 金宏彬;范春曉;李永;楊仁杰;;基于人工交互的多模態(tài)圖像亞像素配準(zhǔn)[J];北京郵電大學(xué)學(xué)報(bào);2015年01期

10 閆利;王紫琦;葉志云;;顧及灰度和梯度信息的多模態(tài)影像配準(zhǔn)算法[J];測(cè)繪學(xué)報(bào);2018年01期

相關(guān)會(huì)議論文 前1條

1 林哲;閆敬文;袁野;;基于稀疏表示和PCNN的多模態(tài)圖像融合[A];創(chuàng)新驅(qū)動(dòng)與轉(zhuǎn)型發(fā)展，推動(dòng)汕頭騰飛——汕頭市科協(xié)第七屆學(xué)術(shù)年會(huì)優(yōu)秀論文集[C];2014年

相關(guān)博士學(xué)位論文 前3條

1 李盼龍;多模態(tài)核磁共振腦圖像處理方法的研究及其應(yīng)用[D];鄭州大學(xué);2019年

2 劉沐寒;光學(xué)核素多模態(tài)分子影像在肝癌/胃癌腫瘤模型上的應(yīng)用[D];西安電子科技大學(xué);2017年

3 張靜亞;非剛體醫(yī)學(xué)圖像配準(zhǔn)技術(shù)研究[D];蘇州大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 湯琪琦;中美影視公益廣告互動(dòng)意義的多模態(tài)話語(yǔ)對(duì)比分析[D];廈門(mén)大學(xué);2018年

2 楊帆;多模態(tài)圖像中的目標(biāo)檢測(cè)問(wèn)題研究[D];南京大學(xué);2019年

3 周雅文;HIV感染者大腦運(yùn)動(dòng)功能損傷的多模態(tài)磁共振影像學(xué)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2018年

4 王桂召;基于協(xié)同流形排序的多模態(tài)視覺(jué)顯著性檢測(cè)方法研究[D];安徽大學(xué);2018年

5 易志武;多模態(tài)醫(yī)學(xué)影像的融合與重建技術(shù)的研究[D];電子科技大學(xué);2018年

6 董俠;基于稀疏表示的腦部多模態(tài)圖像融合方法研究[D];中北大學(xué);2018年

7 葉萌萌;基于支持向量機(jī)的肝臟腫瘤良、惡性識(shí)別研究[D];浙江大學(xué);2012年

8 蔣煜;基于特征的多模態(tài)圖像自動(dòng)配準(zhǔn)算法研究[D];華中科技大學(xué);2005年

9 劉瑞;基于多模態(tài)MRI圖像的腦腫瘤分割方法[D];電子科技大學(xué);2017年

10 史敏紅;基于非負(fù)矩陣分解的多模態(tài)醫(yī)學(xué)圖像融合研究[D];中北大學(xué);2018年

本文編號(hào)：2599847