人類大腦是一個由許多相互作用的區(qū)域組成的復(fù)雜大尺度網(wǎng)絡(luò)。對腦網(wǎng)絡(luò)在時間和空間上的組織架構(gòu)進行研究可以幫助我們理解腦區(qū)間的功能協(xié)作和信息整合與認知行為之間的關(guān)系,探究神經(jīng)系統(tǒng)疾病的神經(jīng)基礎(chǔ)。功能磁共振成像(fMRI)技術(shù)常用于檢測大腦各區(qū)域的活躍水平。通過對腦區(qū)間靜息態(tài)fMRI信號的相關(guān)性進行研究,可以推斷大腦區(qū)域在功能上的耦合程度,從而進一步量化大腦網(wǎng)絡(luò)。然而,目前的腦網(wǎng)絡(luò)研究方法只能反映大腦功能網(wǎng)絡(luò)的一部分特征,而不能完全表征大腦功能網(wǎng)絡(luò)的時空動態(tài)特性。本文將引入格蘭杰因果模型和非齊次馬爾可夫模型對大腦功能網(wǎng)絡(luò)進行建模,在時空尺度上刻畫大腦的信息傳遞模式。論文主要包括三個部分:第一部分,主要研究了格蘭杰因果模型在靜息態(tài)功能磁共振數(shù)據(jù)分析中的應(yīng)用。選取與面孔識別相關(guān)的14個區(qū)域作為節(jié)點,利用格蘭杰因果分析度量腦區(qū)間的有效連接作為邊,構(gòu)建靜息態(tài)有向腦網(wǎng)絡(luò)。然后在組水平上探究發(fā)展性面孔失認癥患者的有效連接異常,為將無向的功能連接網(wǎng)絡(luò)推廣至有向網(wǎng)絡(luò)做準備。第二部分,主要是對大尺度腦功能網(wǎng)絡(luò)的可塑性和動態(tài)變化的特性進行建模,使用非齊次馬爾可夫模型框架對大腦網(wǎng)絡(luò)的穩(wěn)定性和靈活性進行量化。首先,我們從理論上證明了模型中定義的馬爾可夫過程是遍歷的,因此在此框架下的大腦系統(tǒng)是收斂的。然后,用最大轉(zhuǎn)移概率量化從體素到其它大腦區(qū)域的最大流,將最大轉(zhuǎn)移概率對應(yīng)的步數(shù)定義為最優(yōu)步數(shù)。根據(jù)這個模型,我們識別出了視覺、聽覺、感覺運動區(qū)域到全腦其他體素的動態(tài)最優(yōu)步數(shù),探究了基礎(chǔ)感覺區(qū)域之間的多重動態(tài)路徑。第三部分,主要是將第二部分建立的動態(tài)腦網(wǎng)絡(luò)推廣至有向網(wǎng)絡(luò)。我們使用動態(tài)有效連接替代動態(tài)功能連接來定義腦區(qū)間的路徑,在模型中加入了空間路徑的方向信息,從而能更好地刻畫大腦信息傳遞的動態(tài)過程。仿真結(jié)果表明,在模型中加入方向信息后能夠減少對錯誤路徑的識別,從而能更好地對大腦功能網(wǎng)絡(luò)進行建模。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2020
【中圖分類】：R338
【部分圖文】：

第三章基于格蘭杰因果的發(fā)展性面孔失認癥患者的腦網(wǎng)絡(luò)異常研究13圖3-1發(fā)展性面孔失認癥患者組和正常人組的平均有效連接網(wǎng)絡(luò)3.4結(jié)果分析3.4.1統(tǒng)計分析為探究DP患者的腦網(wǎng)絡(luò)異常，我們將兩組人網(wǎng)絡(luò)中有效連接的條件格蘭杰因果值進行了差異檢驗。為了排除年齡，性別的影響，在雙樣本檢驗之前，我們先將被試的年齡和性別信息作為協(xié)變量對條件格蘭杰因果值進行了回歸。由于我們使用的樣本較小，因此這里采用了兩樣本均值的置換檢驗方法進行差異檢驗。置換檢驗是一種非參數(shù)檢驗方法。與雙樣本t檢驗相比，置換檢驗更適合用來分析方差不同且總體分布未知的獨立樣本之間的差異。其基本原理是，若兩組樣本來自同一總體，則在將兩組樣本合為一組樣本，然后將兩個樣本中的部分值進行置換后，若將前m個數(shù)據(jù)視為樣本一，將后n個數(shù)據(jù)視為樣本二，我們?nèi)钥烧J為置換后的兩樣本是來自同一總體的。具體做法如下：設(shè)12,,,mXXXè°和12,,,nYYY分別來自兩個總體X,Y,1和2分別是X,Y的均值。檢驗兩樣本是否來自一個總體的假設(shè)為：012H:=(3-8)112H:(3-9)（1）將兩組樣本的均值之差T作為統(tǒng)計量。111,1mniiiiXXYYm=n===(3-10)T=|XY|(3-11)

圖3-2兩組人有效連接差異圖（*：置換檢驗，p0.05，未校正）

第三章基于格蘭杰因果的發(fā)展性面孔失認癥患者的腦網(wǎng)絡(luò)異常研究15圖3-3DP患者的異常有效連接（置換檢驗，顯著性：p0.05，未校正）3.4.2行為學(xué)數(shù)據(jù)相關(guān)性分析為驗證DP患者的異常有效連接是否與患病癥狀相關(guān)，本文提取了發(fā)展性面孔失認癥患者組上述異常連接的條件格蘭杰因果值，與行為學(xué)實驗分數(shù)進行相關(guān)性分析。在人臉識別任務(wù)實驗中，被試被要求在不犧牲準確性的情況下盡快做出響應(yīng)。而被試如何解釋此指令以及如何在速度和精度之間進行折衷，這可能在不同實驗之間或不同被試之間都有所不同。因此，無論是反應(yīng)時還是準確率，都可能無法用來預(yù)測實驗效果。這里我們選擇了修正正確率評分（RCS）方法，它可以將準確率和反應(yīng)時都考慮進去，其計算公式如式（3-12）。,,,,,1ijijijnijkkNCRCSRT==(3-12)其中，i,jNC表示第i個被試在第j個實驗中正確判斷的次數(shù)，i,jn表示此被試參與的j實驗的所有子問題的個數(shù)，,,,1ijnijkkRT=表示他在第j個實驗中花費的總時長。RCS可直觀解釋為每單位時間正確響應(yīng)的數(shù)量[57]。與反應(yīng)時和準確率相比，RCS更加可靠，也更具優(yōu)勢[58]。而在面孔記憶實驗中，被試會按照順序一一瀏覽我們準備好的圖片，然后一一判斷他們是否見過這些圖片。而當他們無法進行正確判斷時，往往會隨機選擇一個答案。極端條件下，甚至?xí)霈F(xiàn)被試對所有圖片都判斷為正性（見過）的情況。顯然，在這種情況下，僅使用正確率來評分是不恰當?shù)�。D-prime方法可以將被試的判斷偏好納入評分[59]。d=z(TP)z(FP)(3-13)
【相似文獻】

相關(guān)期刊論文 前10條

1 何遙;;智慧城市中的交通大腦[J];中國公共安全;2019年11期

2 朱平;張建偉;鄒衛(wèi)明;;城市大腦建設(shè)實施技術(shù)要求和策略研究[J];智能建筑;2019年10期

3 ;糖會對大腦產(chǎn)生哪些影響[J];養(yǎng)豬;2020年01期

4 ;引領(lǐng)全國的浙江“城市大腦”[J];信息化建設(shè);2019年07期

5 云飛;;為什么要建城市大腦[J];信息化建設(shè);2019年07期

6 侯瑞;;城市會思考，生活更美好——杭州“城市大腦”發(fā)布11大系統(tǒng)、48個應(yīng)用場景[J];信息化建設(shè);2019年07期

7 ;城市大腦：開啟城市數(shù)字治理的金鑰匙[J];軟件和集成電路;2019年10期

8 李小鳳;;呵護大腦,留存記憶(上)[J];肝博士;2018年02期

9 ;杭州發(fā)布全國首個城市數(shù)據(jù)大腦規(guī)劃[J];城市規(guī)劃通訊;2018年10期

10 蘇珊;;身體如何左右大腦[J];教師博覽;2013年10期

相關(guān)博士學(xué)位論文 前10條

1 蔣宇皓;基于微波技術(shù)的大腦介電常數(shù)和導(dǎo)電性檢測方法的研究[D];重慶大學(xué);2016年

2 張欣;基于磁共振成像的大腦功能網(wǎng)絡(luò)動態(tài)特性研究[D];西北工業(yè)大學(xué);2015年

3 董明皓;基于磁共振成像的針灸師大腦可塑性研究[D];西安電子科技大學(xué);2013年

4 呂京磊;基于功能磁共振成像的大腦架構(gòu)表達的研究[D];西北工業(yè)大學(xué);2016年

5 王其才;基于FMRI的織物觸覺刺激大腦感知表征[D];東華大學(xué);2015年

6 Haitham Mahmoud Boraei Ramadan;哺育蜂和采集蜂大腦磷酸化蛋白質(zhì)組研究[D];中國農(nóng)業(yè)科學(xué)院;2014年

7 李亞鵬;大腦功能網(wǎng)絡(luò)及其動力學(xué)研究[D];華中科技大學(xué);2014年

8 李寧;睡眠剝奪對大腦認知能力及腦電特征的影響研究[D];天津大學(xué);2009年

9 賈有海;氯胺酮、異丙酚預(yù)處理對復(fù)蘇后大鼠大腦的保護作用及其機理研究[D];中國醫(yī)科大學(xué);2003年

10 邵金平;斑馬魚尾鰭再生及小鼠大腦、心臟與棕色脂肪組織的節(jié)律性研究[D];南開大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 向宇;基于自回歸模型的大腦有向動態(tài)網(wǎng)絡(luò)建模及應(yīng)用[D];電子科技大學(xué);2020年

2 孔燕;七氟烷對發(fā)育期大腦影響的研究進展[D];蚌埠醫(yī)學(xué)院;2015年

3 陳靜;視唱練耳與開發(fā)大腦[D];西安音樂學(xué)院;2013年

4 張曉敏;《為什么我的大腦不好使了》（第二十一章）翻譯項目報告[D];四川外國語大學(xué);2016年

5 龍航;基于貝葉斯方法的大腦網(wǎng)絡(luò)研究[D];湖南師范大學(xué);2014年

6 曹玥;基于大腦情感學(xué)習(xí)的液壓伺服控制系統(tǒng)研究[D];江西理工大學(xué);2011年

7 劉夢穎;《大腦》（第五章、第六章）翻譯報告[D];四川外國語大學(xué);2014年

8 田樹雪;基于大腦情感學(xué)習(xí)網(wǎng)絡(luò)的內(nèi)�？刂葡到y(tǒng)及應(yīng)用[D];北京化工大學(xué);2019年

9 李晉;大腦磁共振結(jié)構(gòu)像的形態(tài)學(xué)分析[D];電子科技大學(xué);2011年

10 程璨;《大腦會泄密》第六章翻譯報告[D];電子科技大學(xué);2014年

本文編號：2863149