【摘要】：功能磁共振成像(fMRI)是一種重要的醫(yī)學(xué)影像技術(shù),以其毫米級高空間分辨率及非侵入等優(yōu)勢,廣泛應(yīng)用于腦科學(xué)研究。多被試fMRI數(shù)據(jù)的組分析能夠獲得多被試間的共有信息或差異信息,為腦功能研究或腦疾病診斷提供群體性特征。盲源分離方法屬于數(shù)據(jù)驅(qū)動(dòng)方法,只需已知觀測信號就能估計(jì)出源信號及其混合參數(shù),適于分析腦認(rèn)知程度有限的fMRI數(shù)據(jù)。獨(dú)立成分分析(ICA)、獨(dú)立向量分析(IVA)和張量分解在組分析上是三種性能互補(bǔ)的盲源分離方法,分別提供被試間平均、差異或共享的腦空間激活圖和時(shí)間過程信息。然而,fMRI數(shù)據(jù)本質(zhì)上是復(fù)數(shù)數(shù)據(jù),被試間存在著較大的空時(shí)成分差異,而且模型階數(shù)對復(fù)數(shù)fMRI數(shù)據(jù)組分析的影響未知,這些問題導(dǎo)致現(xiàn)有方法性能受限。為此,本文的創(chuàng)新性研究工作如下:(1)針對復(fù)數(shù)fMRI數(shù)據(jù)存在的不同獨(dú)立源成分向量分布差異大、噪聲嚴(yán)重和非圓性等問題,提出了一種基于多維廣義高斯分布的復(fù)數(shù)自適應(yīng)定點(diǎn)IVA算法。首先,構(gòu)建了一個(gè)基于多維廣義高斯分布的非線性函數(shù),通過極大似然估計(jì)實(shí)時(shí)更新其形狀參數(shù),從而自適應(yīng)地匹配各源成分向量的分布。然后,在主導(dǎo)子空間更新該非線性函數(shù),實(shí)現(xiàn)消噪。最后,在解混矩陣更新中嵌入了混合數(shù)據(jù)的偽協(xié)方差陣,進(jìn)而引入了復(fù)數(shù)fMRI數(shù)據(jù)的非圓性。仿真和實(shí)際數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明,該算法顯著優(yōu)于現(xiàn)有方法,特別是在信噪比較低和空時(shí)差異變化較大的情況下,獲取了更優(yōu)的空時(shí)信息。復(fù)數(shù)IVA較之幅值IVA提取了更多感興趣體素(任務(wù)相關(guān)成分和默認(rèn)網(wǎng)絡(luò)成分都增加約三倍之多)。針對現(xiàn)有后處理相位消噪的相位范圍固定的問題,基于先驗(yàn)空間成分和相關(guān)最大化原則,提出了一種相位范圍自適應(yīng)選取方法,該方法適于任務(wù)態(tài)數(shù)據(jù)和靜息態(tài)數(shù)據(jù)的后處理消噪,也驗(yàn)證了固定相位范圍±π/4的正確性。(2)針對現(xiàn)有張量分解方法不能同時(shí)解決被試間空時(shí)差異性的問題,提出了兩種新算法。其一,以時(shí)間移不變CPD引入時(shí)間成分的差異性,以ICA引入空間差異性約束,提出了一種時(shí)間移不變典范因子分解(CPD)和ICA相結(jié)合的算法。該方法先對多被試幅值fMRI數(shù)據(jù)進(jìn)行ICA,獲取聯(lián)合混合矩陣;再對該矩陣進(jìn)行時(shí)間移不變秩一估計(jì),獲得共享時(shí)間成分和各被試特有的時(shí)延和強(qiáng)度信息,并由此重構(gòu)聯(lián)合混合矩陣,進(jìn)而采用最小二乘法獲得共享空間成分。其二,提出了一種空間源相位稀疏約束的復(fù)數(shù)時(shí)間移不變CPD算法。將實(shí)數(shù)域時(shí)間移不變CPD算法拓展到復(fù)數(shù)域,引入復(fù)數(shù)時(shí)間成分的差異性;利用復(fù)數(shù)空間成分所特有的小相位特性,采用一種l0范數(shù)平滑函數(shù)對大相位體素進(jìn)行稀疏化,引入空間差異性約束。仿真和實(shí)際數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明,這兩種算法在空時(shí)差異性較大和噪聲較大的情況下,均顯著優(yōu)于現(xiàn)有算法。復(fù)數(shù)張量分解方法較之幅值方法多獲得了約兩倍的任務(wù)相關(guān)體素。(3)研究了復(fù)數(shù)fMRI數(shù)據(jù)組分析中模型階數(shù)的影響及其成因。首先,提出了一種從多次ICA結(jié)果中選取bestrun的改進(jìn)方法,利用了多成分性能平均和顯著性檢驗(yàn)綜合策略。實(shí)際數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明,該方法在所有模型階數(shù)下均優(yōu)于現(xiàn)有方法。其次,采用所提出的best run選取方法,研究了復(fù)數(shù)fMRI數(shù)據(jù)組分析中模型階數(shù)的影響,發(fā)現(xiàn)了從低階到高階一直存在的復(fù)數(shù)完整成分,與現(xiàn)有幅值成分在高階發(fā)生分裂的結(jié)論迥異。接著,探究了復(fù)數(shù)完整成分的形成原因,檢測了相位數(shù)據(jù)的模型階數(shù)影響,分析了相位數(shù)據(jù)的特征值分布,證實(shí)了相位數(shù)據(jù)對幅值數(shù)據(jù)的補(bǔ)全作用。最后,以默認(rèn)網(wǎng)絡(luò)為例,探索了高階復(fù)數(shù)完整成分的作用。與高階幅值成分相比,高階復(fù)數(shù)完整成分在健康對照組和精神分裂癥患者區(qū)分上體現(xiàn)出更為顯著的差異,具有作為生物標(biāo)識的潛力。
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：R445.2
【圖文】：

第４章分析了現(xiàn)有張量分解方法不能同時(shí)解決ｆＭＲＩ被試間空時(shí)差異性的問題。針逡逑對該問題，本章開展了兩項(xiàng)工作。（１）提出了一種時(shí)間移不變ＣＰＤ和ＩＣＡ相結(jié)合的新逡逑算法。利用ＩＣＡ以空間獨(dú)立性引入ＳＭ的差異性，利用時(shí)間移不變ＣＰＤ，以時(shí)延引入逡逑ＴＣ的差異性。（２）提出了一種空間源相位稀疏的復(fù)數(shù)時(shí)間移不變ＣＰＤ算法。首先，將逡逑時(shí)間移不變ＣＰＤ算法拓展到復(fù)數(shù)域，提出一種適于復(fù)數(shù)數(shù)據(jù)的時(shí)延估計(jì)方法，引入時(shí)逡逑間差異性約束。然后，以復(fù)數(shù)ｆＭＲＩ空間成分所特有的小相位特性引入空間差異性約束，逡逑對大相位體素進(jìn)行了稀疏約束。通過仿真和實(shí)際數(shù)據(jù)實(shí)驗(yàn)，定性和定量地考察了這兩個(gè)逡逑算法和各自對比算法的性能。逡逑第５章分析了當(dāng)前ｆＭＲＩ數(shù)據(jù)分析中模型階數(shù)影響的相關(guān)研究工作，以及當(dāng)前ＢＳＳ逡逑方法的ｂｅｓｔ邋ｒｕｎ選取算法存在的問題。Ｂｅｓｔ邋ｒｕｎ選取算法指對某ＢＳＳ方法運(yùn)行多次，從逡逑中選取最優(yōu)的一次運(yùn)行的算法。針對靜息態(tài)ｆＭＲＩ數(shù)據(jù)，開展了如下三項(xiàng)工作。（１）提出逡逑了一種綜合利用平均和單樣本？檢驗(yàn)的ｂｅｓｔｒｕｎ選取方法。（２）米用所提出的ｂｅｓｔｒｕｎ選逡逑取方法，定量和定性地研宄了復(fù)數(shù)、幅值和相位ｆＭＲＩ數(shù)據(jù)組分析中模型階數(shù)影響的差逡逑異和聯(lián)系，發(fā)現(xiàn)了從低階到高階一直存在復(fù)數(shù)完整ＤＭＮ成分。（３）定量和定性地考察逡逑ＤＭＮＨＣＳＺ。逡逑

２．２．２相位ｆＭＲＩ數(shù)據(jù)的高噪聲性與獨(dú)有信息逡逑ＦＭＲＩ數(shù)據(jù)采集時(shí)不可避免地存在著設(shè)備物理噪聲，還有被試者頭動(dòng)、呼吸和心跳逡逑等生理噪聲［１２２，１２３］。相位ｆＭＲＩ數(shù)據(jù)具有指紋特性，含有每個(gè)體素的平均磁場信息，因此逡逑任何原因?qū)е碌拇艌鋈只蚓植坎痪鶆蛐裕紩?huì)引起空間相位的變化［１２２１。相位ｆＭＲＩ數(shù)逡逑據(jù)還對相干磁場漂移很敏感［１２２］且難以控制［１２３］。這些因素均反映了相位ｆＭＲＩ數(shù)據(jù)對噪逡逑聲的敏感性遠(yuǎn)比幅值ｆＭＲＩ數(shù)據(jù)高。因此相位ｆＭＲＩ數(shù)據(jù)的噪聲比幅值ｆＭＲＩ數(shù)據(jù)嚴(yán)重得逡逑多。雖然通過多種校正措施，例如時(shí)空相位解纏、基于中心Ｋ空間點(diǎn)相位演化的回歸、逡逑ＴＯＡＳＴ邋（ｔｅｍｐｏｒａｌ邋ｏｆｆ－ｒｅｓｏｎａｎｃｅ邋ａｌｉｇｎｍｅｎｔ邋ｏｆ邋ｓｉｎｇｌｅ－ｅｃｈｏ邋ｔｉｍｅ邋ｓｅｒｉｅｓ邋ｔｅｃｈｎｉｑｕｅ）等［１２２］，才目位逡逑ｆＭＲＩ數(shù)據(jù)的噪聲依然幅值ｆＭＲＩ數(shù)據(jù)的噪聲大。相位ｆＭＲＩ數(shù)據(jù)的高噪聲性也導(dǎo)致了復(fù)逡逑數(shù)ｆＭＲＩ數(shù)據(jù)的噪聲比幅值ｆＭＲＩ數(shù)據(jù)的噪聲大，這樣復(fù)數(shù)ｆＭＲＩ數(shù)據(jù)分析必須額外考慮逡逑消噪問題。逡逑雖然相位ｆＭＲＩ數(shù)據(jù)的噪聲比較嚴(yán)重，越來越多的文獻(xiàn)證明了相位ｆＭＲＩ數(shù)據(jù)包含逡逑生理意義明確的腦功能信息。其一，由于血氧水平變化，相位ＭＲＩ數(shù)據(jù)對毛細(xì)血管和逡逑引流血管方向特別敏感。利用相位ｆＭＲＩ數(shù)據(jù)的這個(gè)性質(zhì)，可建立不同信噪比下的相位逡逑１２４，１２５

邐大連理工大學(xué)博士學(xué)位論文邐逡逑該ＴＣ參考產(chǎn)生方式也在很多文獻(xiàn)中得到了應(yīng)用［１６，２］，２３’判。對于任務(wù)相關(guān)５１＾參考，考逡逑慮到廣義線性模型（ｇｅｎｅｒａｌｉｚｅｄ邋ｌｉｎｅａｒ邋ｍｏｄｅｌ，邋ＧＬＭ）在任務(wù)態(tài)ｆＭＲＩ數(shù)據(jù)分析中應(yīng)用最為廣逡逑泛［１３５］，本文對各被試進(jìn)行ＧＬＭ分析，再對每個(gè)體素進(jìn)行單樣本（檢驗(yàn)（ｐ＜邋０．０５），最后逡逑進(jìn)行ｚ－ｓｃｏｒｅ邋（ｚ－ｓｃｏｒｅ使得數(shù)據(jù)均值為０，方差為１）并取閾值２．５，得到所有被試一致性的逡逑任務(wù)相關(guān)ＳＭ作為參考，如圖２．２（ｂ）所示。對于ＤＭＮ的ＳＭ參考，如圖２．２（ｃ）所示，采逡逑用文獻(xiàn)［１１２］給出的ＤＭＮ參考模板。該文獻(xiàn)的ＳＭ參考模板是由Ｓｍｉｔｈ等人對將近３萬逡逑被試進(jìn)行ＧＩＣＡ組分析得到的，因此ＤＭＮ結(jié)果可靠且典型。對于ＤＭＮ的ＴＣ，由于并逡逑沒有像任務(wù)相關(guān)ＴＣ的幅度隨實(shí)驗(yàn)范式變化明顯，各被試間差異較大。但是根據(jù)ＤＭＮ逡逑在任務(wù)狀態(tài)時(shí)抑制，在休息狀態(tài)時(shí)激活，可以初步推斷，ＤＭＮ的ＴＣ和任務(wù)相關(guān)ＴＣ參逡逑考呈相反關(guān)系。逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 李雨;舒華;;默認(rèn)網(wǎng)絡(luò)的神經(jīng)機(jī)制、功能假設(shè)及臨床應(yīng)用[J];心理科學(xué)進(jìn)展;2014年02期

2 杜宇慧;桂志國;劉迎軍;陳芳芳;;基于獨(dú)立成分分析的腦功能網(wǎng)絡(luò)分析方法綜述[J];生物物理學(xué)報(bào);2013年04期

3 左西年;張U

本文編號：2777440