人腦是迄今為止人們發(fā)現(xiàn)的體積小、功能復雜和智能水平最高的系統(tǒng)。人腦的功能研究是腦科學中一項既重要又前沿的研究內容。作為一種獲取人腦功能數據的主流神經影像技術,功能磁共振成像(functional magnetic resonance imaging,fMRI)因具有無創(chuàng)性、時空分辨率高和操作簡單的優(yōu)點而為人腦功能的研究提供了有力的數據支撐。人腦功能劃分通過分割人腦皮層研究人腦的功能組織性,是一種基礎性的人腦功能研究方法。目前,基于fMRI數據的人腦功能劃分方法大多是已有經典聚類方法在人腦功能劃分中的直接應用,不能較好地處理fMRI數據的高維性和低信噪比性,表現(xiàn)出搜索能力較差、對噪聲敏感、劃分結構的功能一致性和區(qū)域連續(xù)性較弱的不足。而群智能算法具有較強的全局搜索能力和一定的魯棒性,并且在聚類劃分方面表現(xiàn)出優(yōu)于經典聚類算法的性能。針對人腦功能劃分方法研究中的上述不足,本文首先面向fMRI數據,對人腦功能劃分進行了較為系統(tǒng)的綜述,然后基于群智能算法對靜態(tài)人腦功能劃分方法和動態(tài)人腦功能劃分方法進行了創(chuàng)新性的研究。具體的研究工作如下:1、面向fMRI數據的人腦功能劃分進展:以fMRI數據為基礎,首先介紹了fMRI數據采集、面向fMRI數據的人腦功能劃分的基本概念和分類及基本流程;其次從計算模型或機理的角度對面向fMRI數據的人腦功能方法進行了詳細的闡述,其中給出一種靜態(tài)人腦功能劃分方法的分類體系;再次,梳理了人腦功能劃分中常用的相似性度量和評價指標;最后,深入地分析了人腦功能劃分中存在的不足。2、針對fMRI數據信噪比低和期望最大算法搜索高斯混合模型時易陷入局部最優(yōu)的問題,提出了一種基于免疫克隆選擇算法搜索高斯混合模型(Gaussian Mixed Model,GMM)的腦島功能劃分方法。該方法首先將GMM映射到抗體上;然后通過模擬克隆抗體、克隆變異和克隆選擇三個細胞免疫機制完成GMM的優(yōu)化搜索。其中,克隆變異抗體采用了混合的變異策略,能夠根據迭代停滯情況靈活地采取不同的變異方式,增強了免疫克隆選擇算法的搜索能力;同時,在搜索過程中融入了具有抗噪能力的動態(tài)鄰域信息,有效地降低了fMRI數據中的噪音帶來的不利影響。最后,根據最大后驗概率,利用搜得的最優(yōu)GMM實現(xiàn)對腦島的功能劃分。在真實fMRI數據上的實驗表明:新方法不僅可以搜索到更優(yōu)的GMM,而且與其他一些劃分方法相比,可以得到具有較強功能一致性與區(qū)域連續(xù)性的劃分結構。3、針對fMRI數據的高維性和低信噪比問題,提出了一種基于人工蜂群算法的人腦功能劃分方法。該方法首先利用譜映射將預處理后的fMRI數據映射到低維空間以降低其維數,而后初始化參數和種群。其中,種群中的每個個體被初始化為一個向量,表示一個簇解。然后利用自適應交叉搜索、雇傭蜂搜索、觀察蜂搜索和偵察蜂搜索四個模擬蜂群覓食的搜索機制完成簇解的優(yōu)化過程。其中,提出的自適應交叉搜索模擬了峰王組織協(xié)調蜂群的覓食行為,根據適應度對當前最優(yōu)個體與每個個體解做自適應交叉操作,克服了種群個體間信息交流不足的缺陷,提高了種群個體的多樣性。應用于觀察蜂的分步式搜索策略在一次搜索中既利用了中間的計算結果,又使用了最終的計算結果,增強了觀察蜂搜索的寬度和整個搜索過程中候選個體的多樣性。最后,根據簇內最小距離原則得到每個數據點的簇標,通過將其映射到體素上得到人腦的功能劃分。在模擬fMRI數據上的實驗結果表明新方法可以得到最接近于真實結果的劃分。在真實fMRI數據上的實驗結果表明:與一些常用的劃分方法相比,所提方法不僅有較強的搜索能力,而且也可以得到具有較強功能一致性和區(qū)域連續(xù)性的劃分結構;進一步通過相應劃分亞區(qū)的功能連接指紋驗證了劃分結果的合理性。4、針對動態(tài)人腦功能劃分方法研究中滑動窗口的參數配置和聚類算法的低效問題,提出了一種基于滑動窗口和人工蜂群算法的動態(tài)人腦功能劃分方法。該方法由滑動窗口長度確定階段、功能狀態(tài)識別階段和功能劃分階段組成。在滑動窗口長度確定階段,首先利用新提出的功能連接相似性最小性準則確定滑動窗口的寬度,然后窗口化fMRI時間序列,并計算對應于每一窗口時間序列的表征被劃分腦區(qū)體素與同側半腦其它體素間功能的功能連接矩陣。在功能狀態(tài)識別階段,通過利用改進型人工蜂群算法對該功能連接矩陣聚類識別功能狀態(tài)。其中,基于混合策略的雇傭蜂搜索以概率閾值的形式在原始搜索和最優(yōu)解相應位填充中隨機選擇搜索方式,增強了雇傭蜂搜索的多樣性和最優(yōu)解的“拉動”作用;動態(tài)半徑約束的偵察蜂搜索利用由種群中個體分布計算的約束半徑強制偵察蜂在以放棄的食物源為中心、以此半徑為約束的區(qū)域之外進行搜索,這在一定程度上增強了偵察蜂的全局搜索能力。在功能劃分階段,按時間順序連接屬于同一功能狀態(tài)的時間序列,進而計算體素間的功能連接,并使用該改進型人工蜂群算法完成每個狀態(tài)下的功能劃分。最后,與其它動態(tài)劃分方法在兩個真實fMRI數據集上的實驗表明:新方法不僅在搜索能力和功能劃分結構上具有明顯優(yōu)勢,而且也揭示了后扣帶回的功能動態(tài)性。本文開展的工作,一方面豐富了面向fMRI數據的人腦功能劃分的方法學研究,進一步加深了人們對人腦功能組織性的認識,為人腦疾病的預防和診斷提供了有益的方法輔助;另一方面,拓寬了群智能算法的應用領域,推動了它的研究和發(fā)展。因此,本文的研究既推動了人腦功能劃分研究的發(fā)展,也具有潛在的應用價值。
【學位單位】：北京工業(yè)大學
【學位級別】：博士
【學位年份】：2018
【中圖分類】：R338;TP18
【部分圖文】：

圖 1-1 人腦的組成部分Fig. 1-1 Components of brain細胞體樹突細胞核軸突圖 1-2 神經元基本結構Fig. 1-2 Basic structure of neurons額葉頂葉

神經元基本結構

腦葉分布

【參考文獻】

相關期刊論文 前4條

1 左西年;張U

本文編號：2823623