本文關(guān)鍵詞：磁共振結(jié)構(gòu)像分析及其在音樂家大腦研究中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：磁共振成像(magnetic resonance imaging,MRI),尤其是結(jié)構(gòu)磁共振成像(structural MRI,sMRI)和彌散加權(quán)成像(diffusion-weighted imaging,DWI)具有無創(chuàng)、圖像清晰及高對比度等特點。因此MRI很適合于腦組織的結(jié)構(gòu)成像及研究,也為研究人腦結(jié)構(gòu)與發(fā)育、疾病及可塑性等問題之間的關(guān)聯(lián)提供了一個良好的影像學(xué)手段�；趕MRI圖像可以分析大腦的灰質(zhì)及白質(zhì)結(jié)構(gòu),尤其是灰質(zhì)的密度、皮層厚度、皮層表面積及褶皺復(fù)雜度等信息;基于DWI圖像可以得到許多白質(zhì)相關(guān)的屬性和纖維束走向等信息,亦可構(gòu)建大腦纖維束連接網(wǎng)絡(luò)進行復(fù)雜網(wǎng)絡(luò)分析。研究神經(jīng)可塑性,尤其是長期規(guī)律的學(xué)習(xí)和練習(xí)導(dǎo)致的大腦可塑性變化對于理解人類大腦是既具可行性又非常重要的。音樂家在訓(xùn)練和演奏樂器時會經(jīng)歷大量的感覺、運動及聽覺信息的傳輸和整合,因此其大腦是研究此類問題的一個非常理想的模型。本文以音樂家及與其年齡、性別、教育年限匹配的非音樂家為研究對象,利用多種方法分析了兩組被試的大腦磁共振結(jié)構(gòu)影像,目的是對長期音樂訓(xùn)練和演奏導(dǎo)致的大腦結(jié)構(gòu)可塑性改變進行探索研究。通過上述研究我們得到了一些有意義的結(jié)果和證據(jù)。本文的主要工作和發(fā)現(xiàn)介紹如下:1.對兩組被試的大腦sMRI圖像進行了基于體素的形態(tài)學(xué)(voxel-based morphometry,VBM)分析。首先,對每個被試的sMRI圖像通過12個參數(shù)的仿射變換配準(zhǔn)到標(biāo)準(zhǔn)空間的T1模板;然后,將得到的圖像分割為灰質(zhì)、白質(zhì)和腦脊液;最后,在標(biāo)準(zhǔn)空間上將兩組被試的灰質(zhì)圖像進行逐體素的統(tǒng)計對比分析,從而得到了表現(xiàn)出顯著組間差異的體素團簇。本研究發(fā)現(xiàn):音樂家在雙側(cè)小腦、雙側(cè)顳中回及左側(cè)枕上回具有比非音樂家顯著高的灰質(zhì)密度。這說明對于音樂家來說,長期的音樂經(jīng)歷首要影響的很可能是與運動和聽覺相關(guān)的腦區(qū)。2.對與上一研究中同樣的sMRI圖像進行了基于表面的形態(tài)學(xué)(surface-based morphometry,SBM)分析。首先,將每個被試的sMRI圖像配準(zhǔn)到Talairach空間并進行灰度值校正和非腦組織的去除;其次,標(biāo)記白質(zhì)并從白質(zhì)區(qū)域出發(fā)找出灰質(zhì)與白質(zhì)的交界面,進而向外延伸找出灰質(zhì)與腦脊液的交界面,兩個交界面都用頂點表示;第三,計算出每個頂點的皮層厚度、表面積、曲率、高斯曲率、折疊指數(shù)及內(nèi)在曲率指數(shù),并利用Destrieux Atlas模板劃分腦區(qū)進而計算出每個腦區(qū)的相應(yīng)指標(biāo)平均值;最后進行每個指標(biāo)逐腦區(qū)的組間統(tǒng)計分析從而得到了兩組被試具有顯著差異的皮層指標(biāo)和差異腦區(qū)。分析結(jié)果表明:長期的音樂訓(xùn)練可能會使得音樂家大腦在視覺、軀體運動、情緒、運動控制、聽覺及軀體感覺等功能相關(guān)的腦區(qū)具有更高的皮層表面積、皮層厚度和/或皮層褶皺復(fù)雜度。3.以音樂家及對照組的大腦DWI圖像及sMRI圖像為基礎(chǔ),構(gòu)建并分析了兩組被試的白質(zhì)纖維束結(jié)構(gòu)網(wǎng)絡(luò)。首先,將sMRI圖像分別與DWI圖像和標(biāo)準(zhǔn)空間T1模板進行配準(zhǔn),并將sMRI圖像進行組織分割進而將所得灰質(zhì)圖像根據(jù)AAL圖譜劃分為90個腦區(qū),根據(jù)sMRI圖像與DWI圖像配準(zhǔn)的反變換得到個體b0空間的灰質(zhì)AAL分區(qū);其次,從b0空間的每個腦區(qū)出發(fā),向全腦進行纖維束概率追蹤,由此得到每對腦區(qū)間的連接強度并構(gòu)建出全腦網(wǎng)絡(luò);第三,運用圖論方法得到網(wǎng)絡(luò)的全局及局部拓?fù)鋵傩?最后,對每個網(wǎng)絡(luò)屬性分別進行組間的統(tǒng)計分析從而找出兩組被試在白質(zhì)結(jié)構(gòu)網(wǎng)絡(luò)層面的顯著差異。本研究發(fā)現(xiàn):音樂家在運動和視覺系統(tǒng)、緣上回、基底節(jié)區(qū)域及額葉眶部皮層都發(fā)生了白質(zhì)網(wǎng)絡(luò)屬性的顯著改變,從而間接的指示出音樂家大腦的神經(jīng)纖維(束)可塑性的變化。4.對上一章中兩組被試的大腦白質(zhì)結(jié)構(gòu)網(wǎng)絡(luò)使用了一種主成分分析(principal component analysis,PCA)結(jié)合支持向量機(support vector machine,SVM)分類的方法進行了另一個角度的分析。首先,將所有被試的腦網(wǎng)絡(luò)連接矩陣整合到一起進行PCA(利用奇異值分解(singular value decomposition,SVD)來實現(xiàn))處理;其次,將SVD得到的每個右奇異向量進行留一交叉驗證法SVM分類分析并找出分類效果最好的奇異向量對應(yīng)的主成分;最后,找出對此主成分貢獻(xiàn)度最高的一些位置對應(yīng)的腦網(wǎng)絡(luò)中的連接,便得到了音樂家相對于非音樂家在大腦白質(zhì)纖維束結(jié)構(gòu)上發(fā)生改變的主要連接。結(jié)果表明:長期的音樂訓(xùn)練及演奏會提高運動、聽覺、情緒和記憶等功能相關(guān)腦區(qū)間的信息傳遞效率。綜上所述,本文通過對音樂家及非音樂家大腦的兩種磁共振結(jié)構(gòu)圖像進行不同角度的分析,我們發(fā)現(xiàn)長期的音樂訓(xùn)練和演奏會導(dǎo)致音樂家大腦的結(jié)構(gòu)可塑性發(fā)生變化。這些改變主要是運動、聽覺及運動控制等功能相關(guān)腦區(qū)灰質(zhì)和/或白質(zhì)結(jié)構(gòu)屬性的改善及這些腦區(qū)間信息交互效率的提高。另外,在一些情緒、視覺及記憶等功能相關(guān)腦區(qū)音樂家也展示出了或多或少的可塑性變化。這些結(jié)果擴展了我們對與長期規(guī)律的音樂經(jīng)歷相關(guān)的大腦結(jié)構(gòu)可塑性問題的理解,也為此增添了多個角度的新證據(jù)。
【關(guān)鍵詞】：磁共振結(jié)構(gòu)成像 音樂家 腦網(wǎng)絡(luò) 主成分分析 支持向量機
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：R338;TP391.41
【目錄】：

• 摘要5-7
• ABSTRACT7-13
• 第一章 緒論13-34
• 1.1 大腦磁共振成像及相關(guān)研究方法簡介13-19
• 1.1.1 基于BOLD信號的fMRI研究14
• 1.1.2 基于sMRI數(shù)據(jù)的研究14-17
• 1.1.3 基于DWI數(shù)據(jù)的研究17-19
• 1.2 復(fù)雜網(wǎng)絡(luò)與圖論分析方法及其在腦科學(xué)中的應(yīng)用19-22
• 1.2.1 腦網(wǎng)絡(luò)的構(gòu)建20-22
• 1.2.2 腦網(wǎng)絡(luò)的圖論分析22
• 1.2.3 腦網(wǎng)絡(luò)方法的應(yīng)用22
• 1.3 主成分分析方法和分類方法及其在腦科學(xué)中的應(yīng)用22-28
• 1.3.1 主成分分析23-26
• 1.3.2 分類方法與支持向量機26-28
• 1.4 音樂家大腦結(jié)構(gòu)可塑性的研究背景及現(xiàn)狀28-31
• 1.4.1 腦功能方面的研究現(xiàn)狀29-30
• 1.4.2 腦結(jié)構(gòu)方面的研究現(xiàn)狀30-31
• 1.4.2.1 基于sMRI數(shù)據(jù)的研究30-31
• 1.4.2.2 基于DWI數(shù)據(jù)的研究31
• 1.5 本文的主要工作31-33
• 1.6 本文的內(nèi)容安排33-34
• 第二章 音樂家大腦灰質(zhì)結(jié)構(gòu)的VBM分析34-41
• 2.1 背景介紹34
• 2.2 研究對象及研究方法34-37
• 2.2.1 研究對象34-35
• 2.2.2 圖像采集35
• 2.2.3 數(shù)據(jù)處理35-37
• 2.3 結(jié)果37-38
• 2.4 討論38-40
• 2.5 本章小結(jié)40-41
• 第三章 音樂家大腦結(jié)構(gòu)的SBM分析41-49
• 3.1 背景介紹41
• 3.2 研究對象及研究方法41-45
• 3.2.1 研究對象41
• 3.2.2 圖像采集41-42
• 3.2.3 數(shù)據(jù)處理42-45
• 3.3 結(jié)果45-47
• 3.4 討論47-48
• 3.5 本章小結(jié)48-49
• 第四章 基于DWI的纖維束追蹤網(wǎng)絡(luò)構(gòu)建及分析49-67
• 4.1 背景介紹49-51
• 4.2 研究對象及研究方法51-58
• 4.2.1 研究對象51
• 4.2.2 圖像采集51
• 4.2.3 數(shù)據(jù)處理51-58
• 4.2.3.1 DWI數(shù)據(jù)的預(yù)處理51-52
• 4.2.3.2 圖像分割與配準(zhǔn)52
• 4.2.3.3 纖維束追蹤及腦區(qū)與腦區(qū)間解剖連接的構(gòu)建52-54
• 4.2.3.4 加權(quán)連接網(wǎng)絡(luò)的圖論分析54-58
• 4.2.3.5 統(tǒng)計分析58
• 4.3 結(jié)果58-62
• 4.3.1 音樂家與非音樂家單個腦區(qū)網(wǎng)絡(luò)屬性分析59-62
• 4.3.2 全局網(wǎng)絡(luò)屬性的統(tǒng)計分析62
• 4.4 討論62-65
• 4.4.1 運動及視覺區(qū)域的白質(zhì)網(wǎng)絡(luò)特征提高62-64
• 4.4.2 緣上回的局部效率改變64
• 4.4.3 眶額皮層及基底節(jié)區(qū)域的白質(zhì)改進64-65
• 4.4.4 白質(zhì)網(wǎng)絡(luò)的全局特征65
• 4.5 本章小結(jié)65-67
• 第五章 復(fù)雜網(wǎng)絡(luò)的PCA結(jié)合分類方法及其應(yīng)用67-74
• 5.1 背景介紹67
• 5.2 研究對象及研究方法67-69
• 5.2.1 研究對象67
• 5.2.2 圖像采集67-68
• 5.2.3 數(shù)據(jù)處理68-69
• 5.2.3.1 白質(zhì)纖維束網(wǎng)絡(luò)的構(gòu)建68
• 5.2.3.2 基于白質(zhì)網(wǎng)絡(luò)的PCA處理68
• 5.2.3.3 SVM分類分析68-69
• 5.2.3.4 白質(zhì)網(wǎng)絡(luò)組間主要差異探尋69
• 5.3 結(jié)果69
• 5.4 討論69-73
• 5.5 本章小結(jié)73-74
• 第六章 全文總結(jié)與展望74-78
• 6.1 全文工作總結(jié)74-75
• 6.2 后續(xù)工作展望75-78
• 致謝78-79
• 參考文獻(xiàn)79-95
• 攻讀博士學(xué)位期間取得的成果95-97
• 中英文縮略表97-99

  本文關(guān)鍵詞：磁共振結(jié)構(gòu)像分析及其在音樂家大腦研究中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

本文編號：364840