現(xiàn)代磁共振技術(shù)的發(fā)展使得人類(lèi)可以在無(wú)傷害的前提下獲得大腦內(nèi)部的圖像。通過(guò)不同模態(tài)的圖像,我們不僅能夠觀察和區(qū)分不同的大腦結(jié)構(gòu),而且令人興奮的是,基于功能磁共振成像我們還可以記錄和衡量大腦的功能活動(dòng)狀態(tài)。這為揭開(kāi)大腦之謎,探索大腦的功能體制和架構(gòu)提供了新的途徑和線索。隨著神經(jīng)科學(xué)、認(rèn)知科學(xué)、以及心理學(xué)的發(fā)展,一些復(fù)雜系統(tǒng)模型開(kāi)始被逐漸納入大腦功能的研究。其中大腦功能網(wǎng)絡(luò)的假說(shuō)被廣泛研究和推崇。目前領(lǐng)域內(nèi)對(duì)于功能網(wǎng)絡(luò)的研究主要分為兩個(gè)分支:大尺度的“節(jié)點(diǎn)-連接”模型和像素級(jí)別“成分分析”模型�！肮�(jié)點(diǎn)-連接”模型研究的最大難點(diǎn)是網(wǎng)絡(luò)節(jié)點(diǎn)的選擇,而“成分分析”模型的重要問(wèn)題便是定義符合神經(jīng)活動(dòng)的成分間關(guān)系。本文應(yīng)對(duì)這兩個(gè)難點(diǎn)提出采用DICCCOL作為“節(jié)點(diǎn)-連接”模型的節(jié)點(diǎn),而采用稀疏性來(lái)描述神經(jīng)活動(dòng)特點(diǎn)。DICCCOL(音[’daik?l],是英文Dense Individualized and Common Connectivity-based Cortical Landmarks的首字母縮寫(xiě),意為密集的、個(gè)體化且共有的基于連接模式的大腦皮層節(jié)點(diǎn))系統(tǒng)作為大腦結(jié)構(gòu)網(wǎng)絡(luò)研究的杰出代表在領(lǐng)域內(nèi)...

【文章頁(yè)數(shù)】：159 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 基于磁共振成像的大腦功能研究的動(dòng)態(tài)
    1.2 網(wǎng)絡(luò)表達(dá)是功能架構(gòu)描述的適用模型
    1.3 大腦功能網(wǎng)絡(luò)表達(dá)面臨的挑戰(zhàn)
        1.3.1 “節(jié)點(diǎn)—連接”網(wǎng)絡(luò)模型的主要難點(diǎn)
        1.3.2 “成分分析”網(wǎng)絡(luò)建模方法的主要問(wèn)題
    1.4 本論文的研究?jī)?nèi)容和主要貢獻(xiàn)
    1.5 論文章節(jié)安排
第2章 成像原理與數(shù)據(jù)分析方法
    2.1 核磁共振成像原理
        2.1.1 功能核磁共振圖像
        2.1.2 DTI圖像
    2.2 圖像預(yù)處理方法
        2.2.1 DTI圖像預(yù)處理方法
        2.2.2 fMRI圖像預(yù)處理方法與激活檢測(cè)
    2.3 DICCCOL大腦定位系統(tǒng)
        2.3.1 TraceMap：神經(jīng)纖維束連接模式的特征描述
        2.3.2 DICCCOL的訓(xùn)練與產(chǎn)生
        2.3.3 新個(gè)體的DICCCOL預(yù)測(cè)
    2.4 字典學(xué)習(xí)與稀疏編碼
        2.4.1. 字典學(xué)習(xí)與稀疏編碼問(wèn)題
        2.4.2. Online字典學(xué)習(xí)與稀疏編碼算法
        2.4.3. 隨機(jī)坐標(biāo)下降算法（Stochastic Coordinate Coding）
    2.5 本章小結(jié)
第3章 關(guān)于大腦網(wǎng)絡(luò)激活的研究
    3.1 基于DICCCOL的群組級(jí)別激活檢測(cè)
        3.1.1 數(shù)據(jù)和處理
        3.1.2 方法
        3.1.3 結(jié)果
        3.1.4 結(jié)論與討論
    3.2 基于DICCCOL的大腦連接激活檢測(cè)
        3.2.1 數(shù)據(jù)與處理
        3.2.2 方法
        3.2.3 結(jié)果
        3.2.4 結(jié)論與討論
    3.3 本章小結(jié)
第4章 大腦功能網(wǎng)絡(luò)復(fù)雜結(jié)構(gòu)的描述
    4.1 人類(lèi)認(rèn)知系統(tǒng)的多層次表達(dá)
        4.1.1 數(shù)據(jù)與處理
        4.1.2 方法
        4.1.3 結(jié)果
        4.1.4 結(jié)論
    4.2 基于DICCCOL的可重疊大腦功能網(wǎng)絡(luò)的描述
        4.2.1 數(shù)據(jù)與處理
        4.2.2 方法
        4.2.3 結(jié)果
        4.2.4 結(jié)論
    4.3 本章小結(jié)
第5章 全腦功能網(wǎng)絡(luò)的稀疏表達(dá)
    5.1 基于全腦任務(wù)態(tài)fMRI信號(hào)稀疏表達(dá)的初步探索
        5.1.1 數(shù)據(jù)與處理
        5.1.2 方法
        5.1.3 結(jié)果
        5.1.4 結(jié)論及討論
    5.2 基于大規(guī)模HCP數(shù)據(jù)的全腦網(wǎng)絡(luò)圖譜與交互的研究
        5.2.1 數(shù)據(jù)與處理
        5.2.2 方法
        5.2.3 結(jié)果
        5.2.4 結(jié)論與討論
    5.3 本章小結(jié)
第6章 基于網(wǎng)絡(luò)稀疏表達(dá)的拓展研究與應(yīng)用
    6.1 一種針對(duì)于全腦網(wǎng)絡(luò)表達(dá)的有監(jiān)督稀疏編碼方法
        6.1.1 引言
        6.1.2 數(shù)據(jù)與處理
        6.1.3 方法
        6.1.4 結(jié)果
        6.1.5 結(jié)論與討論
    6.2 全腦網(wǎng)絡(luò)稀疏表達(dá)在疾病診斷上的應(yīng)用
        6.2.1 引言
        6.2.2 數(shù)據(jù)與處理
        6.2.3 方法
        6.2.4 結(jié)果
        6.2.5 結(jié)論與討論
    6.3 本章小結(jié)
第7章 總結(jié)與展望
    7.1 論文工作總結(jié)
    7.2 論文工作展望
參考文獻(xiàn)
附錄
    附錄 1：數(shù)據(jù)集與預(yù)處理
博士期間的工作成果
    發(fā)表的雜志文章
    發(fā)表的會(huì)議文章
致謝



本文編號(hào)：3915151