本文選題：主成分分析(PCA) + 支持向量機(SVM)　； 參考：《中國生物醫(yī)學工程學報》2015年02期

【摘要】：人腦在多種時間和空間尺度上都是復雜網(wǎng)絡,而復雜網(wǎng)絡中往往包含著大量的連接信息。主成分分析(PCA)方法主要被用于從大量信息中提取重要特征,因而可以被用于探尋復雜網(wǎng)絡中的一些重要信息。眾所周知,音樂家是研究訓練導致的腦可塑性問題的一個理想模型,探求音樂家腦網(wǎng)絡的可塑性變化是非常有意義的。首先通過基于彌散加權成像(DWI)數(shù)據(jù)的纖維束追蹤,構建了16位音樂家與16位非音樂家的腦白質結構網(wǎng)絡;然后對兩組人的整體腦網(wǎng)絡進行了PCA分析,進而對得到的每個主成分做支持向量機(SVM)分類處理,得到分類效果最好的主成分;最終找出對此主成分貢獻前1%的連接即為音樂家相對于非音樂家在大腦白質結構網(wǎng)絡上發(fā)生改變的主要連接。本方法為組間復雜網(wǎng)絡對比分析提供了一種基于PCA分類的新思路�；谏鲜鏊悸�,對于音樂家與非音樂家的腦白質結構網(wǎng)絡對比分析,表明音樂家在運動、聽覺、情緒和記憶等功能腦區(qū)表現(xiàn)出更高的腦區(qū)間信息傳遞效率;進而擴展了在網(wǎng)絡層面對長期音樂訓練改變音樂家白質可塑性問題的理解。
[Abstract]:The human brain is a complex network in many time and spatial scales, and complex networks often contain a lot of connection information. The principal component analysis (PCA) method is mainly used to extract important features from a large amount of information, so it can be used to explore some important information in complex networks. It is well known that musicians are an ideal model for studying brain plasticity caused by training. It is very meaningful to explore the plasticity of musicians' brain networks. Firstly, the white matter structure network of 16 musicians and 16 non-musicians was constructed by fiber bundle tracing based on diffusion-weighted imaging (DWI) data, and then the whole brain network of two groups was analyzed by PCA. Then, every principal component is classified by support vector machine (SVM), and the principal component with the best classification effect is obtained. Finally, the first 1% connection to this principal component was found to be the main connection between musicians and non-musicians in the white matter structure network of the brain. This method provides a new method based on PCA classification for the comparison and analysis of complex networks between groups. Based on the above ideas, a comparative analysis of the white matter structure network between musicians and non-musicians shows that musicians exhibit higher transmission efficiency in brain regions of motor, auditory, emotional and memory functions. It also extends the understanding of long-term music training to change the white matter plasticity of musicians at the network level.
【作者單位】： 電子科技大學生命科學與技術學院神經(jīng)信息教育部重點實驗室;
【基金】：國家自然科學基金(91232725,81201159) 中央高�；究蒲袠I(yè)務費項目(ZYGX 2011J097)
【分類號】：R338;R445.2

【參考文獻】

相關期刊論文 前2條

1 蔣田仔;劉勇;李永輝;;腦網(wǎng)絡:從腦結構到腦功能[J];生命科學;2009年02期

2 堯德中;羅程;雷旭;薛開慶;夏陽;賴永秀;;腦成像與腦連接[J];中國生物醫(yī)學工程學報;2011年01期

【共引文獻】

相關期刊論文 前10條

1 周珂;蔡潔;熊剛強;;兩種VBM算法對阿爾茨海默病磁共振圖像診斷價值的比較[J];廣東醫(yī)學院學報;2013年05期

2 蔣偉雄;劉華生;廖堅;廖云杰;唐艷;王維;;多變量模式分析在反社會人格障礙中的應用[J];電子科技大學學報;2014年02期

3 陳志曄;劉夢琦;劉夢雨;馬林;;2型糖尿病患者腦部靜息態(tài)的功能磁共振成像[J];南方醫(yī)科大學學報;2014年08期

4 朱威州;陶玲;錢志余;丁尚文;胥傳健;;基于白質纖維束的膠質瘤患者腦功能網(wǎng)絡分析[J];北京生物醫(yī)學工程;2013年05期

5 余敏;陶玲;錢志余;朱威州;;基于彌散張量成像的腦結構網(wǎng)絡參數(shù)研究[J];北京生物醫(yī)學工程;2014年05期

6 孫曉霞;辛斌;Uwe SEIFERT;;語言和音樂:語言認知研究的新視角[J];當代語言學;2014年02期

7 蔣偉雄;劉華生;廖堅;李勇帆;王維;;基于多維模式分析對說謊的腦網(wǎng)絡特征識別[J];電子科技大學學報;2015年02期

8 袁勤;黎源;譚波;;基于似然同步方法的非線性腦電信號分析方法[J];電子科技大學學報;2015年02期

9 張方風;鄭志剛;;復雜腦網(wǎng)絡研究:現(xiàn)狀與挑戰(zhàn)[J];上海理工大學學報;2012年02期

10 吳麟;龔洪翰;周福慶;張悅;張寧;;DTI聯(lián)合ReHo在復發(fā)-緩解型多發(fā)性硬化患者海馬區(qū)的研究[J];臨床放射學雜志;2013年10期

相關博士學位論文 前10條

1 趙凌;基于fMRI技術研究循經(jīng)取穴針刺效應的腦功能連接網(wǎng)絡響應特征[D];成都中醫(yī)藥大學;2011年

2 廖偉;基于磁共振成像的腦連接方法學及應用研究[D];電子科技大學;2011年

3 白紅民;類別特異性命名區(qū)的腦定位及其臨床應用研究[D];第二軍醫(yī)大學;2010年

4 陶好娟;首發(fā)精神分裂癥患者腦灰質和腦網(wǎng)絡的磁共振成像研究[D];中南大學;2012年

5 慎宰瑩;應用功能磁共振成像（fMRI）對頭針治療中風偏癱后腦功能重塑機制研究[D];北京中醫(yī)藥大學;2013年

6 王美豪;語言功能腦區(qū)與運動性失語靜息態(tài)功能連接的功能磁共振研究[D];鄭州大學;2013年

7 周廣玉;功能性消化不良患者大腦結構和功能異常研究[D];西安電子科技大學;2013年

8 薛婷;基于磁共振成像的無先兆偏頭痛患者大腦靜息狀態(tài)異常模式研究[D];西安電子科技大學;2013年

9 喻大華;無先兆偏頭痛患者大腦結構與功能異常的磁共振影像學研究[D];西安電子科技大學;2013年

10 龍丹;基于多模態(tài)磁共振信息的早期帕金森病影像標記及計算機輔助診斷研究[D];浙江大學;2012年

相關碩士學位論文 前10條

1 喬赫元;基于復雜網(wǎng)絡的腦功能研究與分析[D];中國科學技術大學;2011年

2 郭怡適;人腦連接組的構建算法優(yōu)化與局部特征可視化研究[D];中山大學;2012年

3 王博;多發(fā)性硬化患者默認網(wǎng)絡的靜態(tài)功能連接與結構連接的磁共振研究[D];南昌大學;2012年

4 許強;基于磁共振的創(chuàng)傷后應激障礙患者腦網(wǎng)絡研究[D];電子科技大學;2012年

5 李宏永;復雜腦功能網(wǎng)絡穩(wěn)定性研究[D];蘭州理工大學;2013年

6 杜雪;閾下啟動創(chuàng)傷信息對地震親歷者影響的腦機制研究[D];西南大學;2013年

7 陳振彩;任務調制的大腦偏側化認知控制加工[D];西南大學;2013年

8 黃磊;靜息狀態(tài)功能磁共振圖像的瞬態(tài)同步性分析[D];北京交通大學;2013年

9 李靜;基于彌散張量成像的偏頭疼患者大腦結構網(wǎng)格的異常研究[D];西安電子科技大學;2013年

10 趙麗玫;青少年網(wǎng)絡成癮者靜息態(tài)異常模式的功能磁共振研究[D];西安電子科技大學;2013年

【相似文獻】

相關期刊論文 前10條

1 吳海建;主成分分析的基本思想及應用實例[J];河南省情與統(tǒng)計;2003年04期

2 宋濤;唐德善;;基于灰色數(shù)列預測和主成分分析的國債風險仿真模型[J];統(tǒng)計與決策;2006年03期

3 張立華;金浩;邢會;張英民;;河北省經(jīng)濟可持續(xù)發(fā)展的全局主成分分析[J];河北工業(yè)大學學報;2006年02期

4 林海明;;主成分分析與初始因子分析的異同——兼與盧紋岱《SPSS for Windows統(tǒng)計分析》商榷[J];統(tǒng)計與決策;2006年08期

5 徐雅靜;汪遠征;;主成分分析應用方法的改進[J];數(shù)學的實踐與認識;2006年06期

6 趙曉翠;王來生;;基于主成分分析和支持向量機的商業(yè)銀行信貸風險評估[J];統(tǒng)計與決策;2006年13期

7 李建華;顧穗珊;藏晶;;基于主成分分析的高新技術成果轉化的聚類分析[J];工業(yè)技術經(jīng)濟;2006年07期

8 王建民;王傳旭;楊力;余忠林;王運祥;;基于主成分分析模型的煤礦企業(yè)員工滿意度實證研究[J];安徽理工大學學報(社會科學版);2007年02期

9 王斌會;;穩(wěn)健主成分分析方法研究及其在經(jīng)濟管理中的應用[J];統(tǒng)計研究;2007年08期

10 李振紅;宋述剛;余運君;;湖北農(nóng)產(chǎn)品指標的主成分分析[J];太原師范學院學報(自然科學版);2008年04期

相關會議論文 前10條

1 么彩蓮;魏寧;;關于主成分分析的改進方法探討[A];中國現(xiàn)場統(tǒng)計研究會第12屆學術年會論文集[C];2005年

2 陳明星;繆柏其;靳韜;;利率影響因素的主成分分析與因子分析[A];中國現(xiàn)場統(tǒng)計研究會第12屆學術年會論文集[C];2005年

3 孫曉東;胡勁松;焦s，

本文編號：1857535