学位论文 > 优秀研究生学位论文题录展示

基于独立成分分析的fMRI脑静息网络特性研究

作　者: 杨志根
导　师: 王惠南
学　校: 南京航空航天大学
专　业: 生物医学工程
关键词: 独立成分分析功能磁共振缺省模式网络背侧注意网络颞叶癫痫
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 76次
引　用: 0次
阅　读: 论文下载

内容摘要

独立成分分析(independent component analysis, ICA)近年来广泛用于功能磁共振(functional magnetic resonance imaging, fMRI)数据处理研究中,主要包括空间独立成分分析(spatial-ICA, sICA)和时间独立成分分析(temporal-ICA, tICA)。由于fMRI数据的空间维数远大于时间维数,因此空间独立成分分析占主导位置。Mantini等认为静息态大脑存在6个内源性网络系统:缺省模式网络、背侧注意网络、视觉、听觉、运动感觉区域和自我参照系统。各个特定的网络负责人体相应的功能。癫痫是一种危害性极大的神经系统多发疾病,长期的癫痫发作可能会引起相应静息态网络的改变,应用fMRI研究癫痫缺省模式网络和背侧注意网络等静息网络的特性,将会对癫痫的临床诊治具有指导意义。本文对sICA的数学模型进行了深入研究,采用基于独立成分分析的Goodness-of-fit方法来对人脑静息态网络进行研究,结果表明该方法是有效的。论文的主要研究内容及创新点如下:研究了fMRI数据的sICA模型并进行了仿真,利用sICA方法对构造的混合数据进行处理,从时间准确性方面对结果进行评价,结果表明sICA可以有效地从混合数据中分离出空间独立的成分。首次将基于独立成分分析的Goodness-of-fit方法应用于单侧颞叶癫痫病人的缺省模式网络分析。结果表明:单侧颞叶癫痫患者的缺省模式网络相比正常人,大部分区域功能连接度下降,以前额叶和同侧颞上回为著,这可能是由于颞叶癫痫患者的大脑功能内源性组织发生破坏。首次将基于独立成分分析的Goodness-of-fit方法应用于单侧颞叶癫痫病人的背侧注意网络分析。结果表明:颞叶癫痫患者的背侧注意网络相比正常人,大部分区域功能连接度下降,以双侧顶内沟、额中回、右侧小脑后叶区域为著,这可能是由于颞叶癫痫患者的大脑功能内源性组织发生破坏。上述分析表明:相比正常人,单侧颞叶癫痫患者的缺省模式网络以及背侧注意网络拟合度值均下降,这为单侧颞叶癫痫患者提供了灵敏的生物信号特征。该结果有利于对癫痫的临床诊治。

全文目录

摘要  4-5
Abstract  5-13
第一章绪论  13-18
  1.1 课题背景  13-14
  1.2 国内外研究现状  14-16
  1.3 本文的主要研究内容及创新点  16-17
  1.4 本文结构  17-18
第二章功能磁共振成像原理与技术  18-25
  2.1 功能磁共振成像原理  18-22
    2.1.1 磁共振成像的理论基础  18-20
    2.1.2 基于BOLD 的功能磁共振成像原理  20-22
  2.2 功能磁共振成像的数据处理与分析  22-24
    2.2.1 功能数据的空间预处理  22-23
    2.2.2 功能数据的分析  23
    2.2.3 功能数据可视化方法  23-24
  2.3 本章小结  24-25
第三章独立成分分析  25-43
  3.1 独立成分分析的原理  25-28
    3.1.1 独立成分分析方法的提出  25
    3.1.2 独立成分分析及主成分分析的数学定义  25-26
    3.1.3 独立成分分析的数学模型  26-28
  3.2 独立成分分析算法  28-35
    3.2.1 目标函数  28-29
    3.2.2 ICA 算法的主要判据  29-32
      3.2.2.1 非高斯化最大(Non-Gaussian Maximization)  29-31
      3.2.2.2 互信息最小(Mutual Information Minimization)  31-32
      3.2.2.3 极大似然估计(Maximum Likelihood Estimation)  32
    3.2.3 快速独立成分分析(FastICA)算法  32-33
    3.2.4 Infomax 算法  33-35
  3.3 ICA 在 fMRI 数据处理中的应用  35-40
    3.3.1 空间独立成分分析  35
    3.3.2 时间独立成分分析  35-36
    3.3.3 fMRI 数据的空间独立成分分析模型  36-37
    3.3.4 独立成分的可靠性  37-38
    3.3.5 独立成分的选择与排序  38-40
      3.3.5.1 基本方法  38-39
      3.3.5.2 综合性方法  39-40
  3.4 仿真实验  40-42
    3.4.1 构造仿真数据  40
    3.4.2 数据处理  40-42
    3.4.3 仿真结果  42
  3.5 本章小结  42-43
第四章FMRI 负激活与人脑缺省模式网络  43-54
  4.1 FMRI 负激活  43-45
    4.1.1 负激活的血流动力学变化  43-44
    4.1.2 负激活的生理本质  44-45
  4.2 人脑的缺省模式网络  45-47
    4.2.1 人脑缺省活动网络的基础研究证据  45-46
    4.2.2 人脑缺省活动网络的特点  46
    4.2.3 人脑缺省活动网络的意义  46-47
  4.3 癫痫患者的缺省模式网络研究  47-53
    4.3.1 被试者  48
    4.3.2 数据获取与预处理  48
    4.3.3 数据分析  48-50
    4.3.4 结果分析  50-51
    4.3.5 讨论  51-53
    4.3.6 结论  53
  4.4 本章小结  53-54
第五章人脑背侧注意网络  54-62
  5.1 人脑的背测注意网络  54-55
  5.2 癫痫患者的背侧注意网络研究  55-60
    5.2.1 被试者  55
    5.2.2 数据获取与预处理  55-56
    5.2.3 数据分析  56-57
    5.2.4 结果  57-59
    5.2.5 讨论  59-60
    5.2.6 结论  60
  5.3 本章小结  60-62
第六章总结与展望  62-65
  6.1 本论文工作总结  62-63
  6.2 对后续工作的展望  63-65
参考文献  65-70
致谢  70-71
在学期间的研究成果及发表的学术论文  71-72
附录  72-74

基于独立成分分析的fMRI脑静息网络特性研究

内容摘要

全文目录

相似论文