【摘要】： 腦功能磁共振成像(Functional magnetic resonance imaging fMRI)主要依據(jù)血氧水平依賴性(blood oxygenation level dependent，BOLD)對比增強原理進行成像，是目前人們掌握的有效的無侵入、可精確定位腦功能活動的研究手段，具有很高的空間分辨率和存在進一步提高時間分辨率的潛力，非常適合神經(jīng)活動的時空分析和腦的高級功能研究，已受到神經(jīng)、認知和臨床等領(lǐng)域的極大關(guān)注。 本文圍繞功能磁共振成像(fMRI)在腦科學研究中的應(yīng)用，對磁共振圖像的分割和配準、腦功能的定量分析、采用獨立成分分析(ICA)和支持向量機(SVM)對腦功能活動圖像的研究，成果有比較系統(tǒng)性的創(chuàng)新；同時結(jié)合認知科學研究中的熱點問題進行了腦功能的應(yīng)用研究。詳細內(nèi)容如下： 1)提出了基于互信息腦功能磁共振圖像配準新方法�；バ畔⒆鳛楹饬績煞鶊D像配準的相似性測度函數(shù)，假設(shè)當兩幅圖像配準時，互信息達到最大值。采用了無需計算梯度的Powell直接搜索算法。磁共振成像(MRI)的配準實驗證明，互信息法能準確地實現(xiàn)多模態(tài)醫(yī)學圖像的配準，并且能達到亞象素的精度。 2)提出了利用空間獨立成分分析來處理靜息態(tài)fMRI數(shù)據(jù)方法，首次將靜息態(tài)腦功能的低頻振蕩理論應(yīng)用于獨立成分分析靜態(tài)數(shù)據(jù)的成分選擇，通過Z分數(shù)選擇了靜息態(tài)下的活動點和去除獨立噪點，然后通過頻譜分析選擇主要能量集中在0．01Hz到0．1Hz的獨立成分，進而采用聚類分析得出腦功能連接網(wǎng)絡(luò)。最后對結(jié)果進行了分析與評價驗證了我們的方法的可靠性，并得出本文所采用的方法和對時間序列的頻譜求相關(guān)的結(jié)論是類似。 3)運用SPM(Statistical Parameter Mapping)對功能磁共振數(shù)據(jù)分析處理，并用主成分分析進行時間壓縮等綜合數(shù)據(jù)處理方法，去訓練功能磁共振成像數(shù)據(jù)，選取最佳的支持向量機核函數(shù)，從訓練結(jié)果中提取重要的體現(xiàn)大腦活動差異的權(quán)重向量，由此探測左右手動狀態(tài)下大腦活動區(qū)域。 4)用功能磁共振成像血氧水平依賴性變化率的范數(shù)來定量分析左右腦功能區(qū)之間不同的血氧水平依賴性動態(tài)反應(yīng)活動，揭示大腦功能的不對稱性。6個右利手功能磁共振實驗表明：不論是單手還是雙手運動實驗左腦區(qū)的血氧水平信號變化的強度比右腦區(qū)的弱，該結(jié)果提供了腦功能不對稱性的功能磁共振證據(jù)：右利手被試左腦的功能區(qū)形成了自適用系統(tǒng)，僅需要少量的神經(jīng)元就可以完成運動功能。右手經(jīng)常活動會使左腦的功能區(qū)域活動強度變?nèi)�。右腦的功能區(qū)域的活動強度比左腦的功能區(qū)域的活動強度大。
【學位授予單位】：電子科技大學
【學位級別】：博士
【學位授予年份】：2008
【分類號】：R445.2;R318
【圖文】：

電子科技大學博士學位論文圖2一5參考圖像圖2一6待配準圖像圖2一7配準后的圖像圖像仿真實驗結(jié)果:表2一1配準參數(shù)表旋 旋旋轉(zhuǎn)角度(單位:度 )))X方向平移量 量Y方向平移量 量 (((((((單位:象素 )))(單位:象素 )))實實際變換值值 10.00020003000搜搜索變換值值 9.911120.533330.7111搜搜索誤差值值 0.0999一 0.5333一 0.7111在圖像配準中，實施旋轉(zhuǎn)角操作圖像插值也必須進行，否則要產(chǎn)生空洞點。在本文中使用雙線性(或者三線性)插值。圖2一7表示最終的帶配準參數(shù)x0，y00*的配準圖像。圖2一7的待配準圖像和圖2一5的參考圖像之間的相關(guān)系數(shù)為

電子科技大學博士學位論文圖2一5參考圖像圖2一6待配準圖像圖2一7配準后的圖像圖像仿真實驗結(jié)果:表2一1配準參數(shù)表旋 旋旋轉(zhuǎn)角度(單位:度 )))X方向平移量 量Y方向平移量 量 (((((((單位:象素 )))(單位:象素 )))實實際變換值值 10.00020003000搜搜索變換值值 9.911120.533330.7111搜搜索誤差值值 0.0999一 0.5333一 0.7111在圖像配準中，實施旋轉(zhuǎn)角操作圖像插值也必須進行，否則要產(chǎn)生空洞點。在本文中使用雙線性(或者三線性)插值。圖2一7表示最終的帶配準參數(shù)x0，y00*的配準圖像。圖2一7的待配準圖像和圖2一5的參考圖像之間的相關(guān)系數(shù)為

圖 4.1fMRI數(shù)據(jù)模型示意圖【90] 3.2.3sICA模型用sICA處理fMRI的一個直觀做法就是把上述圖4一1(a)和圖4一1(b)中的對應(yīng)于80個時間點的80個圖像進行獨立成分分析，分離出80個獨立成分的的圖像，如圖4一2(b)。也可以敘述為:把圖4一1(b)中的80個信號進行獨立成分分析，分離出80個獨立成分信號，其對應(yīng)的信號可以再重排為空間圖像信息，如圖4一3(b)。這一思想是源自基于ICA的獨立圖像分離，它隱含的假設(shè)是腦功能活動的空域分布在整體上作為一個圖像與其他噪聲分布構(gòu)成的圖像，在統(tǒng)計意義下是相互獨立的，因此這個模型也被稱為空域分布獨立的信號模型 (spatialdis川 butionInd印 endent51

【引證文獻】

相關(guān)博士學位論文 前2條

1 張江;腦功能磁共振成像數(shù)據(jù)處理算法及應(yīng)用研究[D];電子科技大學;2010年

2 劉學政;內(nèi)側(cè)顳葉癲癇患者認知功能及語言功能磁共振（fMRI）網(wǎng)絡(luò)連接的研究[D];福建醫(yī)科大學;2012年

相關(guān)碩士學位論文 前3條

1 喬曉燕;基于fMRI的圖像情感分析方法研究[D];太原理工大學;2011年

2 趙麗;解讀fMRI情感類型的機器學習方法研究[D];太原理工大學;2011年

3 白t@;抑郁癥患者功能腦網(wǎng)絡(luò)屬性特征分類研究[D];太原理工大學;2012年

本文編號：2781840