發(fā)布時(shí)間：2020-04-08 18:25

【摘要】：智商作為個(gè)體認(rèn)知及相關(guān)神經(jīng)系統(tǒng)疾病判斷的重要生理參數(shù),一直是認(rèn)知神經(jīng)科學(xué)領(lǐng)域關(guān)注的熱點(diǎn)。靜息態(tài)功能磁共振成像(fMRI)是研究人腦功能的重要技術(shù)之一,對腦功能網(wǎng)絡(luò)的動(dòng)態(tài)屬性進(jìn)行分析是目前腦功能研究的熱點(diǎn)。目前絕大多數(shù)關(guān)于智商個(gè)體差異的研究是基于時(shí)間平穩(wěn)性假設(shè),忽略了不同腦區(qū)間功能連接的動(dòng)態(tài)變化。本研究分析了動(dòng)態(tài)功能連接網(wǎng)絡(luò)與智商間的關(guān)系。具體地,基于97名健康兒童fMRI數(shù)據(jù),本文開展了如下三個(gè)方面的研究:(1)腦網(wǎng)絡(luò)動(dòng)態(tài)屬性與智商關(guān)系研究。本研究從兩方面分析人腦功能網(wǎng)絡(luò)的動(dòng)態(tài)屬性與智商間關(guān)系,一是功能網(wǎng)絡(luò)狀態(tài)(state)之間的動(dòng)態(tài)切換;二是功能連接時(shí)間序列的動(dòng)態(tài)波動(dòng)。實(shí)驗(yàn)結(jié)果表明,兒童部分動(dòng)態(tài)功能網(wǎng)絡(luò)的狀態(tài)停留時(shí)間與智商有一定的相關(guān)關(guān)系;另外,發(fā)現(xiàn)部分腦區(qū)之間的動(dòng)態(tài)功能連接的動(dòng)態(tài)波動(dòng)與智商有顯著相關(guān)關(guān)系,這一結(jié)果為后續(xù)開展基于動(dòng)態(tài)功能連接特征的智商預(yù)測研究提供了重要基礎(chǔ)。(2)基于動(dòng)態(tài)功能連接特征的兒童智商預(yù)測研究�？紤]從特征和算法角度拓展預(yù)測模型,提取時(shí)域、頻域共四種動(dòng)態(tài)功能連接特征,并通過多種回歸算法開展兒童智商預(yù)測研究。實(shí)驗(yàn)結(jié)果表明,部分動(dòng)態(tài)功能連接特征(基于動(dòng)態(tài)功能連接的時(shí)窗波動(dòng)均值(DFC_Mean)特征及特定頻段(0.075-0.1Hz)的頻域特征(FFT_Feature))能夠?qū)χ巧虒?shí)現(xiàn)較好預(yù)測;且最小角回歸算法與時(shí)域特征的組合預(yù)測結(jié)果最佳(預(yù)測值和真實(shí)值的相關(guān)系數(shù)R=0.54),超過前人基于動(dòng)態(tài)功能連接特征的智商預(yù)測結(jié)果(R=0.42)。(3)基于多視角學(xué)習(xí)的智商評估。由于動(dòng)態(tài)特征和靜態(tài)特征都對智商預(yù)測有貢獻(xiàn),多視角學(xué)習(xí)可以用于融合不同特征間的互補(bǔ)信息,我們率先引入多視角學(xué)習(xí)方法開展個(gè)體智商預(yù)測研究。實(shí)驗(yàn)結(jié)果表明,基于功能連接的靜態(tài)和動(dòng)態(tài)特征的多視角學(xué)習(xí)方法最優(yōu)預(yù)測結(jié)果未能超過單視角預(yù)測結(jié)果,分析原因可能在于靜態(tài)和動(dòng)態(tài)特征都是基于fMRI數(shù)據(jù)提取的,特征之間的互補(bǔ)性有限。本研究的創(chuàng)新性在于:(1)從動(dòng)態(tài)功能連接角度對智商個(gè)體差異開展研究;(2)在充分分析了基于動(dòng)態(tài)功能連接的多種時(shí)域特征的預(yù)測效果之外,率先引入動(dòng)態(tài)功能連接的頻域特征,開展智商預(yù)測研究;(3)引入適用于高維小樣本數(shù)據(jù)的最小角回歸算法,并取得較好預(yù)測結(jié)果;(4)引入多視角學(xué)習(xí)方法,從特征融合角度為個(gè)體智商評估研究提供新思路。
【圖文】：

基于Ｄｏｓｅｎｂａｃｈ的ＲＯＩ定義，列出了這１０個(gè)特征在大腦中的生理位置，逡逑ＲＯＩ名稱和所屬網(wǎng)絡(luò)等信息，結(jié)果見表２－３。將這１０個(gè)ＲＯＩｓ用ＢｒａｉｎＮｅｔＶｉｅｗｅｒ軟逡逑件進(jìn)行可視化表示，結(jié)果見圖２－４。圖中每個(gè)點(diǎn)代表與智商顯著相關(guān)的腦部節(jié)點(diǎn)位逡逑置，不同顏色屬于不同網(wǎng)絡(luò)，節(jié)點(diǎn)的大小表示相關(guān)性的大小。逡逑表２－３邋ＲＯＩ＿Ｍｅａｎ中與智商顯著相關(guān)的１０個(gè)ＲＯＩｓ逡逑邐Ｔａｂ．２－３邋１０邋ｓｉｇｎｉｆｉｃａｎｔ邋ＲＯＩｓ邋ｏｆ邋ＲＯＩ邋Ｍｅａｎ．逡逑ＭＮＩ坐標(biāo)逡逑ＲＯＩ編號邐貢獻(xiàn)邐ＲＯＩ名稱邐所屬網(wǎng)絡(luò)逡逑ｘ邐ｙ邐ｚ逡逑ＲＯ�。撸叮高姡矗高姡哆姡边姡埃玻策姼箓�(cè)額皮質(zhì)邋ｖＦＣ邐ＳＭＮ逡逑ＲＯＪ邋７３邐３２邐－１２邐２邐－０．２５邐中腦葉邋ｍｉｄｉｎｓｕｌａ邐ＤＭＮ逡逑ＲＯＪ邋８２邐４３邐－４３邐８邐－０．２１邐顳回邋ｔｅｍｐｏｒａｌ邐ＳＭＮ逡逑ＲＯＩ邋１０５邐５９邐－１３邐８邐－０．２６邐顳回邋ｔｅｍｐｏｒａｌ邐ＤＭＮ逡逑ＲＯＩ＿１１７邐－４１邐

４個(gè)ＲＯＩ，基于Ｄｏｓｅｎｂａｃｈ的ＲＯＩ定義，，列出了這４個(gè)特征在大腦中的生理位置，逡逑ＲＯＩ名稱和所屬網(wǎng)絡(luò)等信息，結(jié)果見表２－４。將這１０個(gè)ＲＯＩｓ用ＢｒａｉｎＮｅｔＶｉｅｗｅｒ軟逡逑件進(jìn)行可視化表示，結(jié)果見圖２－５。圖中每個(gè)點(diǎn)代表與智商顯著相關(guān)的腦部節(jié)點(diǎn)位逡逑置，不同顏色屬于不同網(wǎng)絡(luò)，節(jié)點(diǎn)的大小表示相關(guān)性的大小。逡逑表２－４邋ＲＯＩ＿ＭｅａｎＡｂｓ中與智商顯著相關(guān)的４個(gè)腦部節(jié)點(diǎn)逡逑Ｔａｂ．２－４邋４邋ｓｉｇｎｉｆｉｃａｎｔ邋ＲＯＩｓ邋ｏｆ邋ＲＯＩ邋ＭｅａｎＡｂｓ．逡逑ＭＮＩ坐標(biāo)逡逑ＲＯ丨編號邐貢獻(xiàn)邐ＲＯＩ名稱邐所屬網(wǎng)絡(luò)逡逑ｘ邐ｙ邋ｚ逡逑ＲＯＩ邋ｌ邋１邐－１６邐２９邐５４邐－０．２１邐上頂葉邋ｓｕｐｆｒｏｎｔａｌ邐ＤＭＮ逡逑ＲＯＩ邋１１７邐－４１邐－３１邐４８邐－０．２６邐后頂骨邐ｐｏｓｔｐａｒｉｅｔａｌ邐ＤＭＮ逡逑ＲＯＩ邋１２５邐－４４邐－６３邐－７邐－０．２２邐枕葉邐ｏｃｃｉｐｉｔａｌ邐ＤＭＮ逡逑ＲＯＩ＿１３４邐－３７邐－８３邐－２邐－０．２０邐后頂骨邐ｐｏｓｔｏｃｃｉｐｉｔａｌ邐ＤＭＮ逡逑１８逡逑
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP181;R445.2;R338

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 何高奇;胡云奉;楊宇;魏文浩;;基于rs-fMRI數(shù)據(jù)的腦功能網(wǎng)絡(luò)構(gòu)建與分析[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年06期

2 何清;李寧;羅文娟;史忠植;;大數(shù)據(jù)下的機(jī)器學(xué)習(xí)算法綜述[J];模式識別與人工智能;2014年04期

3 湯妮;王志群;鄔霞;李坤成;姚力;;基于獨(dú)立成分分析和相關(guān)分析的fMRI功能連接方法[J];北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

4 周林;夏雪;萬蘊(yùn)杰;張海;雷鵬;;基于小波變換的諧波測量方法綜述[J];電工技術(shù)學(xué)報(bào);2006年09期

5 王惠文,劉強(qiáng);偏最小二乘回歸模型內(nèi)涵分析方法研究[J];北京航空航天大學(xué)學(xué)報(bào);2000年04期

相關(guān)碩士學(xué)位論文 前1條

1 馬琳;基于彈性網(wǎng)的年齡及智商預(yù)測研究[D];北京交通大學(xué);2017年

本文編號：2619681