人腦是迄今為止人們發(fā)現(xiàn)的體積小、功能復(fù)雜和智能水平最高的系統(tǒng)。人腦的功能研究是腦科學(xué)中一項(xiàng)既重要又前沿的研究?jī)?nèi)容。作為一種獲取人腦功能數(shù)據(jù)的主流神經(jīng)影像技術(shù),功能磁共振成像(functional magnetic resonance imaging,fMRI)因具有無(wú)創(chuàng)性、時(shí)空分辨率高和操作簡(jiǎn)單的優(yōu)點(diǎn)而為人腦功能的研究提供了有力的數(shù)據(jù)支撐。人腦功能劃分通過(guò)分割人腦皮層研究人腦的功能組織性,是一種基礎(chǔ)性的人腦功能研究方法。目前,基于fMRI數(shù)據(jù)的人腦功能劃分方法大多是已有經(jīng)典聚類(lèi)方法在人腦功能劃分中的直接應(yīng)用,不能較好地處理fMRI數(shù)據(jù)的高維性和低信噪比性,表現(xiàn)出搜索能力較差、對(duì)噪聲敏感、劃分結(jié)構(gòu)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(qiáng)的全局搜索能力和一定的魯棒性,并且在聚類(lèi)劃分方面表現(xiàn)出優(yōu)于經(jīng)典聚類(lèi)算法的性能。針對(duì)人腦功能劃分方法研究中的上述不足,本文首先面向fMRI數(shù)據(jù),對(duì)人腦功能劃分進(jìn)行了較為系統(tǒng)的綜述,然后基于群智能算法對(duì)靜態(tài)人腦功能劃分方法和動(dòng)態(tài)人腦功能劃分方法進(jìn)行了創(chuàng)新性的研究。具體的研究工作如下:1、面向fMRI數(shù)據(jù)的人腦功能劃分進(jìn)展:以fMRI數(shù)據(jù)為基礎(chǔ),首先介紹了fMRI數(shù)據(jù)采集、面向fMRI數(shù)據(jù)的人腦功能劃分的基本概念和分類(lèi)及基本流程;其次從計(jì)算模型或機(jī)理的角度對(duì)面向fMRI數(shù)據(jù)的人腦功能方法進(jìn)行了詳細(xì)的闡述,其中給出一種靜態(tài)人腦功能劃分方法的分類(lèi)體系;再次,梳理了人腦功能劃分中常用的相似性度量和評(píng)價(jià)指標(biāo);最后,深入地分析了人腦功能劃分中存在的不足。2、針對(duì)fMRI數(shù)據(jù)信噪比低和期望最大算法搜索高斯混合模型時(shí)易陷入局部最優(yōu)的問(wèn)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(guò)模擬克隆抗體、克隆變異和克隆選擇三個(gè)細(xì)胞免疫機(jī)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(jù)迭代停滯情況靈活地采取不同的變異方式,增強(qiáng)了免疫克隆選擇算法的搜索能力;同時(shí),在搜索過(guò)程中融入了具有抗噪能力的動(dòng)態(tài)鄰域信息,有效地降低了fMRI數(shù)據(jù)中的噪音帶來(lái)的不利影響。最后,根據(jù)最大后驗(yàn)概率,利用搜得的最優(yōu)GMM實(shí)現(xiàn)對(duì)腦島的功能劃分。在真實(shí)fMRI數(shù)據(jù)上的實(shí)驗(yàn)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(qiáng)功能一致性與區(qū)域連續(xù)性的劃分結(jié)構(gòu)。3、針對(duì)fMRI數(shù)據(jù)的高維性和低信噪比問(wèn)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(yù)處理后的fMRI數(shù)據(jù)映射到低維空間以降低其維數(shù),而后初始化參數(shù)和種群。其中,種群中的每個(gè)個(gè)體被初始化為一個(gè)向量,表示一個(gè)簇解。然后利用自適應(yīng)交叉搜索、雇傭蜂搜索、觀察蜂搜索和偵察蜂搜索四個(gè)模擬蜂群覓食的搜索機(jī)制完成簇解的優(yōu)化過(guò)程。其中,提出的自適應(yīng)交叉搜索模擬了峰王組織協(xié)調(diào)蜂群的覓食行為,根據(jù)適應(yīng)度對(duì)當(dāng)前最優(yōu)個(gè)體與每個(gè)個(gè)體解做自適應(yīng)交叉操作,克服了種群個(gè)體間信息交流不足的缺陷,提高了種群個(gè)體的多樣性。應(yīng)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(jì)算結(jié)果,又使用了最終的計(jì)算結(jié)果,增強(qiáng)了觀察蜂搜索的寬度和整個(gè)搜索過(guò)程中候選個(gè)體的多樣性。最后,根據(jù)簇內(nèi)最小距離原則得到每個(gè)數(shù)據(jù)點(diǎn)的簇標(biāo),通過(guò)將其映射到體素上得到人腦的功能劃分。在模擬fMRI數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明新方法可以得到最接近于真實(shí)結(jié)果的劃分。在真實(shí)fMRI數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明:與一些常用的劃分方法相比,所提方法不僅有較強(qiáng)的搜索能力,而且也可以得到具有較強(qiáng)功能一致性和區(qū)域連續(xù)性的劃分結(jié)構(gòu);進(jìn)一步通過(guò)相應(yīng)劃分亞區(qū)的功能連接指紋驗(yàn)證了劃分結(jié)果的合理性。4、針對(duì)動(dòng)態(tài)人腦功能劃分方法研究中滑動(dòng)窗口的參數(shù)配置和聚類(lèi)算法的低效問(wèn)題,提出了一種基于滑動(dòng)窗口和人工蜂群算法的動(dòng)態(tài)人腦功能劃分方法。該方法由滑動(dòng)窗口長(zhǎng)度確定階段、功能狀態(tài)識(shí)別階段和功能劃分階段組成。在滑動(dòng)窗口長(zhǎng)度確定階段,首先利用新提出的功能連接相似性最小性準(zhǔn)則確定滑動(dòng)窗口的寬度,然后窗口化fMRI時(shí)間序列,并計(jì)算對(duì)應(yīng)于每一窗口時(shí)間序列的表征被劃分腦區(qū)體素與同側(cè)半腦其它體素間功能的功能連接矩陣。在功能狀態(tài)識(shí)別階段,通過(guò)利用改進(jìn)型人工蜂群算法對(duì)該功能連接矩陣聚類(lèi)識(shí)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(yīng)位填充中隨機(jī)選擇搜索方式,增強(qiáng)了雇傭蜂搜索的多樣性和最優(yōu)解的“拉動(dòng)”作用;動(dòng)態(tài)半徑約束的偵察蜂搜索利用由種群中個(gè)體分布計(jì)算的約束半徑強(qiáng)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(jìn)行搜索,這在一定程度上增強(qiáng)了偵察蜂的全局搜索能力。在功能劃分階段,按時(shí)間順序連接屬于同一功能狀態(tài)的時(shí)間序列,進(jìn)而計(jì)算體素間的功能連接,并使用該改進(jìn)型人工蜂群算法完成每個(gè)狀態(tài)下的功能劃分。最后,與其它動(dòng)態(tài)劃分方法在兩個(gè)真實(shí)fMRI數(shù)據(jù)集上的實(shí)驗(yàn)表明:新方法不僅在搜索能力和功能劃分結(jié)構(gòu)上具有明顯優(yōu)勢(shì),而且也揭示了后扣帶回的功能動(dòng)態(tài)性。本文開(kāi)展的工作,一方面豐富了面向fMRI數(shù)據(jù)的人腦功能劃分的方法學(xué)研究,進(jìn)一步加深了人們對(duì)人腦功能組織性的認(rèn)識(shí),為人腦疾病的預(yù)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(yīng)用領(lǐng)域,推動(dòng)了它的研究和發(fā)展。因此,本文的研究既推動(dòng)了人腦功能劃分研究的發(fā)展,也具有潛在的應(yīng)用價(jià)值。
【學(xué)位單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2018
【中圖分類(lèi)】：R338;TP18
【部分圖文】：

圖 1-1 人腦的組成部分Fig. 1-1 Components of brain細(xì)胞體樹(shù)突細(xì)胞核軸突圖 1-2 神經(jīng)元基本結(jié)構(gòu)Fig. 1-2 Basic structure of neurons額葉頂葉

神經(jīng)元基本結(jié)構(gòu)

腦葉分布

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 左西年;張U

本文編號(hào)：2823623