本文關(guān)鍵詞：DTI腦連接組分析中關(guān)鍵技術(shù)的研究

  更多相關(guān)文章： Diffusion Tensor Imaging(DTI) 腦連接組 分割模板 hub 小世界屬性評(píng)估指標(biāo)

【摘要】：人類的大腦是人體活動(dòng)的中樞,也是人體最為復(fù)雜的器官之一。它由大約1011個(gè)神經(jīng)元以及1015個(gè)突觸通過(guò)錯(cuò)綜復(fù)雜的連接組成,是控制人類思維、交流、運(yùn)動(dòng)、計(jì)算等活動(dòng)的中樞。Diffusion Tensor Imaging(DTI)是一種描述大腦結(jié)構(gòu)的新方法,可以無(wú)創(chuàng)記錄大腦內(nèi)部白質(zhì)纖維束的連接情況。DTI腦連接組是在DTI影像基礎(chǔ)之上構(gòu)建出的由節(jié)點(diǎn)和邊組成的腦網(wǎng)絡(luò)。腦連接組分析從網(wǎng)絡(luò)的角度對(duì)大腦進(jìn)行研究,可以更加真實(shí)地接近大腦網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),揭示大腦內(nèi)部的工作機(jī)制。本文主要研究DTI腦連接組分析中的一些關(guān)鍵技術(shù)。從腦區(qū)劃分,hub識(shí)別和小世界屬性的評(píng)估三個(gè)方面著手,研究了分割模板對(duì)DTI腦連接組分析的影響,DTI腦連接組的hub識(shí)別和DTI腦連接組的小世界屬性評(píng)估指標(biāo)。主要研究?jī)?nèi)容如下:(1)分割模板對(duì)DTI腦連接組分析影響的研究。基于75例健康中老年人(50-70歲)DTI數(shù)據(jù),固定圖像采集方式,纖維束追蹤算法,連接矩陣類型等研究因素,采用5個(gè)分割模板(AAL、HOA、UPA32、UPA128和UPA512)劃分腦區(qū),創(chuàng)建DTI腦連接組。通過(guò)對(duì)網(wǎng)絡(luò)特征參數(shù)值的定量計(jì)算和分類比較,發(fā)現(xiàn)分割模板對(duì)于模塊化結(jié)構(gòu)影響較小,對(duì)于網(wǎng)絡(luò)特征值和網(wǎng)絡(luò)特征的敏感性有直接影響,但是不影響腦網(wǎng)絡(luò)的小世界屬性。結(jié)合本章實(shí)驗(yàn)結(jié)果,建議使用尺度適中的解剖型分割模板AAL或隨機(jī)型分割模板UPA128進(jìn)行DTI腦連接組分析。(2)DTI腦網(wǎng)絡(luò)中hub識(shí)別的研究。本章圍繞網(wǎng)絡(luò)類型、識(shí)別閾值和識(shí)別方法三個(gè)方面對(duì)hub識(shí)別結(jié)果的影響展開(kāi)研究。腦網(wǎng)絡(luò)類型包含由AAL,HOA構(gòu)建的解剖型腦網(wǎng)絡(luò)和由UPA模板構(gòu)建的隨機(jī)分割型腦網(wǎng)絡(luò)。結(jié)果顯示,網(wǎng)絡(luò)類型對(duì)hub的識(shí)別結(jié)果有直接影響。當(dāng)選用同種腦網(wǎng)絡(luò)類型、不同識(shí)別參數(shù)時(shí),識(shí)別出的hub一致性較高;而選用不同腦網(wǎng)絡(luò)類型、相同識(shí)別參數(shù)時(shí),識(shí)別出的hub間存在明顯差異。識(shí)別閾值的范圍選定在5%-50%之間,結(jié)果顯示,識(shí)別閾值對(duì)于隨機(jī)分割型腦網(wǎng)絡(luò)的hub識(shí)別結(jié)果有直接影響,而對(duì)解剖型腦網(wǎng)絡(luò)的hub結(jié)果影響不大。在識(shí)別方法的研究中,選擇節(jié)點(diǎn)度、中心介數(shù)、網(wǎng)絡(luò)脆弱性和復(fù)合參數(shù)為識(shí)別參數(shù),研究得出識(shí)別參數(shù)之間存在相關(guān)性,但相關(guān)性的強(qiáng)弱受到網(wǎng)絡(luò)類型的影響。綜合以上結(jié)論,結(jié)合hub分類研究結(jié)果發(fā)現(xiàn),節(jié)點(diǎn)度適用于provincial hub的分類識(shí)別,本章提出的復(fù)合參數(shù)適用于connector hub的分類識(shí)別。(3)DTI腦連接組小世界屬性評(píng)估指標(biāo)的研究。小世界網(wǎng)絡(luò)特征是DTI腦連接組的關(guān)鍵網(wǎng)絡(luò)屬性之一,目前不存在理想的評(píng)估指標(biāo)。本章基于網(wǎng)絡(luò)效率提出一個(gè)新的DTI腦連接組小世界屬性評(píng)估指標(biāo):標(biāo)準(zhǔn)化網(wǎng)絡(luò)效率(E),對(duì)腦網(wǎng)絡(luò)的小世界屬性進(jìn)行量化評(píng)估,并從多個(gè)方面對(duì)評(píng)估指標(biāo)E進(jìn)行驗(yàn)證。結(jié)果顯示,小世界屬性的量化指標(biāo)E受模板選擇影響較小;可以較敏感的檢測(cè)仿真網(wǎng)絡(luò)和真實(shí)網(wǎng)絡(luò)的隨機(jī)化變化;與多個(gè)認(rèn)知參數(shù)間存在顯著相關(guān);在多方面優(yōu)于現(xiàn)有的評(píng)估指標(biāo)σ,因而可以在大腦老化和腦疾病的相關(guān)研究中加以使用和推廣。
【關(guān)鍵詞】：Diffusion Tensor Imaging(DTI) 腦連接組 分割模板 hub 小世界屬性評(píng)估指標(biāo)
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R338
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-18
• 1.1 研究背景和意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-16
• 1.2.1 DTI腦網(wǎng)絡(luò)構(gòu)建和分割模板的研究11-14
• 1.2.2 DTI腦網(wǎng)絡(luò)中的hub節(jié)點(diǎn)及其識(shí)別的研究14-15
• 1.2.3 DTI腦連接組小世界屬性評(píng)估指標(biāo)的研究15-16
• 1.3 本文主要研究?jī)?nèi)容及章節(jié)安排16-18
• 第2章 分割模板對(duì)DTI腦連接組分析影響的研究18-36
• 2.1 引言18-19
• 2.2 分割模板19-21
• 2.3 DTI腦連接組的構(gòu)建21-23
• 2.3.1 研究對(duì)象和數(shù)據(jù)來(lái)源21-22
• 2.3.2 DTI腦網(wǎng)絡(luò)的構(gòu)建22-23
• 2.4 腦網(wǎng)絡(luò)特征參數(shù)23-25
• 2.5 研究結(jié)果25-32
• 2.5.1 隨機(jī)分割型腦網(wǎng)絡(luò)之間網(wǎng)絡(luò)特征的差異25-28
• 2.5.2 解剖型與隨機(jī)分割型腦網(wǎng)絡(luò)特征的差異28-31
• 2.5.3 分割模板對(duì)腦網(wǎng)絡(luò)全局參數(shù)敏感性的研究31-32
• 2.6 討論32-34
• 2.7 本章小結(jié)34-36
• 第3章 DTI腦網(wǎng)絡(luò)中hub識(shí)別的研究36-54
• 3.1 引言36
• 3.2 Hub識(shí)別36-42
• 3.2.1 Hub識(shí)別方法37-38
• 3.2.2 腦網(wǎng)絡(luò)中節(jié)點(diǎn)的排序38-42
• 3.2.3 Hub識(shí)別閾值42
• 3.3 識(shí)別方法的相關(guān)性研究42-43
• 3.4 Hub分類43-44
• 3.4.1 Provincial hub和connector hub的計(jì)算43-44
• 3.4.2 識(shí)別參數(shù)在hub分類識(shí)別中的計(jì)算44
• 3.5 研究結(jié)果44-50
• 3.5.1 識(shí)別方法與腦網(wǎng)絡(luò)類型對(duì)hub識(shí)別結(jié)果的影響44-45
• 3.5.2 識(shí)別閾值與網(wǎng)絡(luò)類型對(duì)于hub識(shí)別結(jié)果的影響45-46
• 3.5.3 識(shí)別方法的整體比較46-48
• 3.5.4 Hub分類48-50
• 3.6 討論50-52
• 3.7 本章小結(jié)52-54
• 第4章 DTI腦連接組小世界屬性評(píng)估指標(biāo)的研究54-70
• 4.1 引言54-57
• 4.2 小世界屬性的評(píng)估指標(biāo)57-59
• 4.3 小世界屬性評(píng)估的新指標(biāo)59-60
• 4.3.1 評(píng)估新指標(biāo)的定義59-60
• 4.3.2 小世界網(wǎng)絡(luò)的仿真60
• 4.4 研究成果60-68
• 4.4.1 標(biāo)準(zhǔn)化網(wǎng)絡(luò)效率對(duì)DTI腦網(wǎng)絡(luò)的評(píng)估60-62
• 4.4.2 標(biāo)準(zhǔn)化網(wǎng)絡(luò)效率對(duì)仿真隨機(jī)化腦網(wǎng)絡(luò)的評(píng)估62-64
• 4.4.3 標(biāo)準(zhǔn)化網(wǎng)絡(luò)效率對(duì)仿真失連接腦網(wǎng)絡(luò)的評(píng)估64-66
• 4.4.4 標(biāo)準(zhǔn)化網(wǎng)絡(luò)效率在大腦認(rèn)知能力評(píng)估中的應(yīng)用66-68
• 4.5 討論68-69
• 4.6 本章小結(jié)69-70
• 結(jié)論與展望70-72
• 參考文獻(xiàn)72-80
• 攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文80-82
• 致謝82

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 文路;湯富酬;;單細(xì)胞轉(zhuǎn)錄組分析研究進(jìn)展[J];生命科學(xué);2014年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 唐惠儒;;生物代謝組分析[A];第十六屆全國(guó)波譜學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2010年

2 楊志凱;官遠(yuǎn)芳;楊維東;劉潔生;呂頌輝;李宏業(yè);;高通量轉(zhuǎn)錄組分析三角褐指藻氮代謝影響脂質(zhì)累積的分子機(jī)制[A];中國(guó)藻類學(xué)會(huì)第八次會(huì)員代表大會(huì)暨第十六次學(xué)術(shù)討論會(huì)論文摘要集[C];2011年

3 文路;湯富酬;;單細(xì)胞轉(zhuǎn)錄組分析研究進(jìn)展[A];生命科學(xué)——專題：RNA研究的新技術(shù)和新方法（第26卷第3期）[C];2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 靳聰;DTI腦連接組分析中關(guān)鍵技術(shù)的研究[D];北京工業(yè)大學(xué);2016年

，

本文編號(hào)：539469