【摘要】：節(jié)點(diǎn)定義是人腦網(wǎng)絡(luò)分析和功能連接研究中的一個(gè)重要的課題。相關(guān)研究通常將基于元分析,隨機(jī)標(biāo)準(zhǔn),或者結(jié)構(gòu)標(biāo)準(zhǔn)生成的大腦圖譜作為節(jié)點(diǎn),然而這些圖譜并不是針對(duì)人腦網(wǎng)絡(luò)分析和功能連接研究這些目的設(shè)計(jì)的,因此使用這些圖譜作為節(jié)點(diǎn)可能并不合適。為了得到更合理的節(jié)點(diǎn),我們需要通過(guò)全腦分割的方式來(lái)生成新的更合理的大腦圖譜。本文引入一種名為簡(jiǎn)單線(xiàn)性迭代聚類(lèi)(simple linear iterative clustering,SLIC)的超體素方法來(lái)對(duì)全腦靜息態(tài)fMRI(functional magnetic resonance imaging)數(shù)據(jù)進(jìn)行分割,以實(shí)現(xiàn)這個(gè)目標(biāo)。圍繞這種超體素方法,本文開(kāi)展了三個(gè)研究,進(jìn)而提出了一系列新的全腦分割方法。我們通過(guò)對(duì)比新方法和已有方法來(lái)證明新方法的合理性和優(yōu)越性。進(jìn)行算法對(duì)比時(shí),本文用到的評(píng)價(jià)指標(biāo)包括空間連續(xù)性,功能一致性,和可重復(fù)性。對(duì)于群體水平的分割,本文既考慮了群體間的可重復(fù)性,也考慮了群體到被試的可重復(fù)性。為了得到不同粒度的分割結(jié)果,我們?cè)诙荚谳^大的范圍內(nèi)對(duì)分區(qū)數(shù)目進(jìn)行變化。本文中的三個(gè)研究的主要工作如下。研究一將SLIC直接作用在靜息態(tài)fMRI時(shí)間系列上來(lái)進(jìn)行全腦分割。使用這種分割方法,無(wú)需進(jìn)行特征提取便可得到分割結(jié)果。為了證明這種分割方法的合理性,我們將它與一種當(dāng)前流行的全腦分割方法,即標(biāo)準(zhǔn)化分割(normalized cuts,Ncut)在多種評(píng)價(jià)指標(biāo)下進(jìn)行了對(duì)比。實(shí)驗(yàn)結(jié)果表明,我們提出的方法在各種評(píng)價(jià)指標(biāo)下都取得了令人滿(mǎn)意的分割效果。研究二結(jié)合Ncut和SLIC來(lái)進(jìn)行全腦分割。我們提出了兩種群體水平的全腦分割方法,分別是平均SLIC(mean SLIC)方法和二級(jí)SLIC(two-level SLIC)方法。具體來(lái)講,在這兩種方法中,Ncut被用來(lái)從連接矩陣中提取特征,SLIC被應(yīng)用到提取得到的特征上來(lái)進(jìn)行分割,從而得到最終的大腦圖譜。我們將兩種SLIC方法和三種最新的全腦分割方法在多種評(píng)價(jià)指標(biāo)下進(jìn)行了對(duì)比。實(shí)驗(yàn)結(jié)果表明,兩種SLIC方法在各種評(píng)價(jià)指標(biāo)下都取得了很好的分割效果。另外,本研究還考察了一些可能對(duì)分割結(jié)果產(chǎn)生影響的因素,包括使用不同的稀疏化方案,在預(yù)處理流程中加入全局信號(hào)回歸,使用過(guò)度分割,使用不同的權(quán)重函數(shù)等。對(duì)這些因素的考慮進(jìn)一步證明了兩種SLIC方法的合理性和優(yōu)越性。研究三在SLIC得到的超體素的基礎(chǔ)上使用一種名為無(wú)割圖(graph-without-cut,GWC)的方法來(lái)進(jìn)行全腦分割。具體地講,我們先將SLIC直接應(yīng)用到靜息態(tài)fMRI時(shí)間系列上來(lái)生成超體素,然后將相似的超體素用GWC聚合成分區(qū),從而得到分割結(jié)果。通過(guò)對(duì)比GWC方法在fMRI數(shù)據(jù)和在隨機(jī)數(shù)據(jù)上的結(jié)果,我們證明這種方法并不嚴(yán)重依賴(lài)于空間結(jié)構(gòu),從而避免了這種之前很多全腦分割算法一直存在的問(wèn)題,因而得到的分割結(jié)果也就更具合理性。之后我們將GWC方法,改進(jìn)的Ncut方法,和改進(jìn)的SLIC方法這三種分割方法進(jìn)行了對(duì)比。實(shí)驗(yàn)結(jié)果表明,GWC方法在各種評(píng)價(jià)指標(biāo)下都取得了很好的分割效果。本文提出的全腦分割方法和生成的大腦圖譜可以被應(yīng)用于有關(guān)人腦網(wǎng)絡(luò)分析的各種研究中,比如認(rèn)知、發(fā)展、老齡化、疾病、個(gè)體化醫(yī)療等。本文中使用到的算法的源代碼和生成的群體水平的大腦圖譜都已經(jīng)在網(wǎng)上公開(kāi),詳見(jiàn)附錄B。由于實(shí)驗(yàn)中并沒(méi)有發(fā)現(xiàn)最優(yōu)分區(qū)數(shù)目,因此,使用本文中的方法或圖譜時(shí),分區(qū)數(shù)目可以按需設(shè)定。
【圖文】：

圖 1.1 構(gòu)建大腦網(wǎng)絡(luò)的流程圖。首先需要定義節(jié)點(diǎn)和采集靜息態(tài) fMRI 數(shù)據(jù)，，然后對(duì)每個(gè)節(jié)點(diǎn)提取出平均時(shí)間系列，接著基于平均時(shí)間系列計(jì)算出連接矩陣，之后對(duì)連接矩陣設(shè)閾值得到鄰接矩陣，鄰接矩陣就等價(jià)于腦網(wǎng)路。

GWC 方法相對(duì)于兩種對(duì)比方法取得了更好的分割效果。圖 1.2 三個(gè)研究的思路對(duì)比圖。研究一和研究二都是將 SLIC 生成的超體素作為最終的分割結(jié)果，而研究三通過(guò)聚合超體素的方式來(lái)得到最終的分割結(jié)果。
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：R445.2;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉迎軍;楊志景;李淑龍;;靜息態(tài)功能磁共振成像數(shù)據(jù)中幾個(gè)常用指標(biāo)的相關(guān)性[J];中國(guó)醫(yī)學(xué)物理學(xué)雜志;2017年01期

2 張雅杰;劉璐;劉鵬;徐曉白;趙洛鵬;曲正陽(yáng);朱玉璞;陳斯琦;王麟鵬;;偏頭痛靜息態(tài)成像和彌散張量成像研究進(jìn)展[J];中國(guó)疼痛醫(yī)學(xué)雜志;2017年04期

3 杜培鋒;楊劍;呂勝富;鐘寧;;靜息態(tài)腦區(qū)的活動(dòng)特征研究[J];北京教育學(xué)院學(xué)報(bào)(自然科學(xué)版);2011年02期

4 于旭宏,王玉英,林雅谷;140例青少年眼調(diào)節(jié)靜息態(tài)的測(cè)定[J];上海中醫(yī)藥大學(xué)學(xué)報(bào);1999年01期

5 李武超;張?bào)w江;;兒童癲沲靜息態(tài)fMRI的研究進(jìn)展[J];國(guó)際醫(yī)學(xué)放射學(xué)雜志;2017年01期

6 銀文杰;林偉;牟欣;;特發(fā)性震顫患者靜息態(tài)腦功能活動(dòng)[J];四川精神衛(wèi)生;2017年01期

7 劉慧華;蔣旭;彭俊玲;;重癥肌無(wú)力患者靜息態(tài)腦功能研究[J];腦與神經(jīng)疾病雜志;2017年09期

8 周玉梅;孫佳蕾;武平;;靜息態(tài)fMRI技術(shù)在臨床的應(yīng)用-局部一致性研究[J];中風(fēng)與神經(jīng)疾病雜志;2014年04期

9 劉佳麗;王冬翠;莫少鋒;李宏周;陳真誠(chéng);;慢性吸煙者的腦靜息態(tài)fMRI局部一致性研究[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年04期

10 韓利坤;姚婧t

本文編號(hào)：2696422