本文關鍵詞：基于動態(tài)因果模型的iEEG癲癇信號的效應連通性研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,由于癲癇病的高發(fā),癲癇的治療已經(jīng)成為了一項熱門的研究課題。癲癇病雖然可以由藥物治療,但是,全球大概仍有30%的癲癇患者是抗藥性癲癇并終身受其影響；而且,該類抗藥性患者通常在大腦特定區(qū)域有一個癲癇病灶區(qū)域。因此,必須通過外科手術切除病灶區(qū)域從而達到治愈效果,而手術治療取得成功的關鍵在于精確定位病灶區(qū)域。本文主要研究癲癇患者癲癇發(fā)作時(快速放電階段)大腦不同神經(jīng)元集群之間的效應連通性關系,我們的目標是：用一個己知的神經(jīng)元集群模型(生理模型)仿真大腦海馬區(qū)域內癲癇病灶活動,該生理模型的輸出表示深部電極記錄到的顱內腦電圖(intracranial electroencephalographic,簡稱iEEG)信號,這些信號用于仿真癲癇病灶活動,通過采用DCM-SSR (Dynamic Causal Modeling of Steady State Response)算法研究這些信號之間的因果關系從而保證在術前評估中精確定位病灶區(qū)域。這類問題在神經(jīng)學上稱為效應連通性問題,即：不同神經(jīng)元集群之間的(直接)因果相互關系。DCM-SSR包含兩個部分：(1)生成模型：首先將癲癇生理模型引入到動態(tài)因果模型中的生成模型,將兩個神經(jīng)元集群的生理模型用狀態(tài)方程表示,在平衡態(tài)時線性化狀態(tài)方程,得到傳遞函數(shù),因此,對應的兩個輸出的iEEG信號的功率譜密度函數(shù)可以由傳遞函數(shù)和模型參數(shù)直接表示；(2)貝葉斯統(tǒng)計推斷：根據(jù)已知的功率譜密度函數(shù),設定不同模型結構中參數(shù)的先驗信息,依據(jù)貝葉斯法則,采用VBEM (Variationnal Bayes Expectation Maximization)算法去逼近這些參數(shù)的后驗概率密度函數(shù),最后得到目標函數(shù)(自由能),通過對數(shù)貝葉斯因子確定和區(qū)別可能的連通性假設；仿真結果表明：基于仿真功率譜密度函數(shù)(理想情況)數(shù)據(jù)和采樣功率譜密度函數(shù)(實際情況)數(shù)據(jù),DCM-SSR都可以正確的區(qū)分和識別大腦海馬區(qū)域內兩個神經(jīng)元集群之間的獨立連通性,單向連通性以及雙向連通性關系。最后對課題進行了總結和展望,并指出了未來研究工作中存在的難點和尚未解決的問題。
【關鍵詞】：癲癇 效應連通性 動態(tài)因果模型 生理模型 功率譜密度函數(shù) 期望最大化算法
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：R742.1;TP18
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-11
• 1.1 課題背景和意義8
• 1.2 主要研究內容8-10
• 1.3 論文章節(jié)內容和結構10-11
• 第二章 連通性定義與方法介紹11-17
• 2.1 引言11
• 2.2 大腦連通性11-13
• 2.3 基于數(shù)據(jù)驅動的效應連通性方法13-14
• 2.3.1 PSI算法13-14
• 2.3.2 WGCI算法14
• 2.4 基于模型驅動的效應連通性方法14-16
• 2.4.1 SEM算法15
• 2.4.2 DCM算法15-16
• 2.5 本章小結16-17
• 第三章 癲癇生理模型17-22
• 3.1 引言17
• 3.2 生理模型(Physiology-based Model)17-21
• 3.3 本章小結21-22
• 第四章 平穩(wěn)態(tài)動態(tài)因果模型算法22-33
• 4.1 引言22
• 4.2 模型空間的定義22-24
• 4.3 功率譜密度函數(shù)(Power Spectral Density)24-28
• 4.3.1 仿真功率譜密度函數(shù)24-27
• 4.3.2 采樣功率譜密度函數(shù)27-28
• 4.4 模型反演28-32
• 4.4.1 參數(shù)估計理論29-30
• 4.4.2 目標函數(shù)——自由能30-31
• 4.4.3 VBEM算法31-32
• 4.5 模型選擇32
• 4.6 本章小結32-33
• 第五章 基于DCM-SSR算法的癲癇連通性實驗結果與分析33-43
• 5.1 引言33
• 5.2 基于仿真功率譜密度函數(shù)實驗結果分析33-36
• 5.2.1 獨立連通性33-34
• 5.2.2 單向連通性34-35
• 5.2.3 雙向連通性35-36
• 5.3 基于采樣功率譜密度函數(shù)實驗結果分析36-42
• 5.3.1 獨立連通性36-38
• 5.3.2 單向連通性38-40
• 5.3.3 雙向連通性40-42
• 5.4 本章小結42-43
• 第六章 總結與展望43-44
• 6.1 本文工作總結43
• 6.2 未來工作展望43-44
• 致謝44-45
• 參考文獻45-47
• 作者簡介47

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 王亞;傅偉;;基于AR模型的HIFU無損測溫方法研究[J];電子設計工程;2013年09期

2 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 任寰;蔣曉東;彭凈;黃祖鑫;鐘偉;唐燦;;波前功率譜密度函數(shù)評價方法探討[A];中國工程物理研究院科技年報（2001）[C];2001年

2 周佩佩;巢斯;;對應新抗震規(guī)范反應譜的功率譜模型參數(shù)研究[A];城市地下空間綜合開發(fā)技術交流會論文集[C];2013年

3 胡亮;李黎;顧明;;隨機模擬風場功率譜函數(shù)的誤差[A];隨機振動理論與應用新進展——第六屆全國隨機振動理論與應用學術會議論文摘要集[C];2008年

4 史文海;李正農(nóng);張傳雄;;近地強風的湍流特性和空間相關性實測研究[A];第19屆全國結構工程學術會議論文集（第Ⅲ冊）[C];2010年

5 趙德敏;張琪昌;王煒;;湍流中具有間隙非線性的兩自由度二元機翼的隨機分岔[A];第八屆全國動力學與控制學術會議論文集[C];2008年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 向文濤;基于動態(tài)因果模型的iEEG癲癇信號的效應連通性研究[D];東南大學;2015年

  本文關鍵詞：基于動態(tài)因果模型的iEEG癲癇信號的效應連通性研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：324628