本文關鍵詞：fMRI數據分析方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：從上個世紀九十年代以來,腦功能成像技術得到了廣泛應用和長足發(fā)展。腦功能成像技術最大的優(yōu)點就是無損傷,可以直接對人腦進行反復的非侵入性觀察測量。不同的功能成像技術各有其優(yōu)缺點,其中功能磁共振成像技術以其高空間分辨率的特點在人腦功能研究領域占據了重要的地位。針對不同的實驗目的,通過改變多種實驗條件,用功能磁共振成像技術對許多生理和生物物理參數進行測量,獲得了十分豐富的實驗數據。只有通過對這些數據進行分析,從大量噪聲中提取感興趣的信息,揭示出其中的規(guī)律,才能真正達到對人腦功能研究的目的。 對功能磁共振數據的分析有兩類方法:數據驅動分析法和模型驅動分析法。本論文在對功能磁共振數據的特點進行研究的基礎上,對這兩類數據分析方法都分別進行了研究,發(fā)展了系統聚類法和廣義線性模型法。對系統聚類法的發(fā)展包括兩點:首先,把符合生理事實的鄰域相關理論用于數據預處理,極大地降低了數據維數,提高了數據的信噪比,突破了傳統系統聚類法計算量大、計算速度慢、要求存儲空間大的限制,使這一方法得以應用于fMRI 數據分析;其次,為了充分考慮fMRI 數據的時空信息特性,提出了一種新的時空距離量度,從而發(fā)展了系統聚類分析方法,并在仿真和真實的實驗數據處理中都取得了較好的效果。 在分析廣義線性模型的基本原理的基礎上,結合功能BOLD 響應的特點,提出了一個新的動力學響應函數,擴展了廣義線性模型,應用于實際功能磁共振視覺刺激的數據處理,取得了與生理事實相一致的結果,從而驗證了該方法的有效性。 SPM 軟件是廣泛應用于fMRI 數據分析的一個通用軟件。本論文對該軟件的基本原理和應用進行了探討,并用該軟件處理了一批沖突效應(stroop)數據,對處理結果進行了分析,結果表明stroop 效應主要在前額葉,頂枕區(qū)和扣帶回區(qū)域�！　　�
【關鍵詞】：功能磁共振成像 聚類分析 鄰域相關 時空距離量度 統計分析
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2005
【分類號】：R318
【目錄】：

• 中文摘要4-5
• ABSTRACT5-10
• 第一章 引言10-20
• 1.1 人腦的基本生理結構11
• 1.2 腦功能成像技術11-14
• 1.2.1 腦功能成像技術11-12
• 1.2.2 腦功能成像技術的優(yōu)勢與不足12-13
• 1.2.3 三類研究腦的方法13-14
• 1.3 功能磁共振成像技術的發(fā)展及研究應用14-18
• 1.3.1 功能磁共振成像的應用研究15-16
• 1.3.2 功能磁共振成像特點16
• 1.3.3 腦功能磁共振成像信號特征16-18
• 1.4 功能磁共振數據處理方法18
• 1.5 本文所要解決的問題18
• 1.6 全文的結構安排18-20
• 第二章 對功能磁共振成像(FMRI)數據的聚類分析20-35
• 2.1 數據驅動方法(data-driven)21-26
• 2.1.1 主成分分析(PCA, principle component analysis )基本原理21-22
• 2.1.2 獨立成分分析(ICA, independent component analysis)基本原理22-23
• 2.1.3 聚類分析(CA,clustering analysis)基本原理及算法23-26
• 2.2 一種新的系統聚類分析(HCA, hierarchical clustering analysis)26-27
• 2.2.1 預處理  鄰域相關26-27
• 2.2.2 時空量度27
• 2.3 數據獲取和數據處理27-29
• 2.3.1 構造仿真數據27-28
• 2.3.2 實驗模式28-29
• 2.3.3 實驗數據檢測29
• 2.3.4 數據處理29
• 2.4 結果29-32
• 2.4.1 仿真結果29-31
• 2.4.1.1 鄰域相關預處理結果29-30
• 2.4.1.2 系統聚類結果30-31
• 2.4.2 視覺fMRI 實驗數據系統聚類結果31-32
• 2.5 討論32-34
• 2.5.1 仿真結果32-33
• 2.5.2 視覺fMRI 實驗結果33-34
• 2.5.3 動力學響應差異34
• 2.6 結論34-35
• 第三章 基于動力學特性的FMRI的廣義線性模型35-42
• 3.1 引言35
• 3.2 基本原理35-38
• 3.2.1 廣義線性模型理論35-37
• 3.2.2 動力學卷積模型37-38
• 3.3 fMRI 的數據分析38-40
• 3.3.1 數據描述38
• 3.3.2 處理過程38-40
• 3.4 處理結果40-42
• 3.4.1 SPM 結果40
• 3.4.2 動力學卷積模型結果40-42
• 第四章 SPM軟件基本原理及一組實驗數據的處理結果42-55
• 4.1 SPM 解析過程及其原理概述42-48
• 4.1.1 空間預處理42-45
• 4.1.1.1 腦圖像配準43-44
• 4.1.1.2 圖像平滑44
• 4.1.1.3 腦整體血流量效應的消除44-45
• 4.1.2 統計參數映射45-48
• 4.1.2.1 廣義線性模型46
• 4.1.2.2 統計推理和高斯隨機場理論46-47
• 4.1.2.3 受解剖約束的假設47-48
• 4.1.2.4 沒有解剖約束的假設和推理的水平48
• 4.2 用SPM 軟件處理一組實驗數據48-55
• 4.2.1 實驗背景48-49
• 4.2.2 數據處理49-50
• 4.2.2.1 模型設計49
• 4.2.2.2 數據輸入49
• 4.2.2.3 瀏覽設計的模型49
• 4.2.2.4 參數估計49-50
• 4.2.3 結果評價50-55
• 第五章 結論和展望55-56
• 5.1 本論文工作總結55
• 5.2 對今后工作的展望55-56
• 參考文獻56-60
• 致謝60-61
• 個人簡歷及研究生期間的研究成果61

【引證文獻】

中國期刊全文數據庫 前3條

1 馮寶;劉曉剛;;基于字典稀疏性的腦圖像數據盲分離方法[J];計算機工程;2015年12期

2 馮寶;劉曉剛;;基于先驗信息的腦圖像數據信息提取算法[J];計算機工程;2015年09期

3 馮寶;秦傳波;;基于凸優(yōu)化的腦圖像數據盲信號分離算法[J];計算機工程;2015年08期

中國重要會議論文全文數據庫 前1條

1 呂卓;謝松云;趙金;趙海濤;;基于SVM的手部運動fMRI圖像分類方法研究[A];中國生物醫(yī)學工程學會成立30周年紀念大會暨2010中國生物醫(yī)學工程學會學術大會青年優(yōu)秀論文[C];2010年

中國博士學位論文全文數據庫 前1條

1 馮寶;基于凸分析與優(yōu)化的功能核磁共振成像數分析方法研究[D];華南理工大學;2014年

中國碩士學位論文全文數據庫 前10條

1 梁曉罡;面向圖像認知的fMRI數據的群組分析研究[D];大連海事大學;2015年

2 田甜;基于層次隨機圖模型的復雜腦網絡鏈路預測研究[D];太原理工大學;2015年

3 張兵;基于體素的fMRI數據分類研究及其應用[D];太原理工大學;2014年

4 朱月o

本文編號：330567