基于CLM相继故障模型的静息态脑网络研究

发布时间：2020-04-22 07:40

【摘要】：人脑是自然界中最复杂的系统之一,复杂网络理论应用于脑结构与功能的研究已经成为脑科学领域研究的热点。论文以解析大脑复杂的动力学以及时空传递特性为目的,采用功能磁共振数据(Functional Magnetic Resonance Imaging,f MRI)集为主要研究对象,依据CLM相继故障模型,研究了正常人大脑的鲁棒性和原发性全面强直阵挛癫痫患者(Generalized tonic-clonic seizure,GTCS)的脑网络以及其潜在致病原理。相继故障指在大部分实际网络中,一个或多个节点的失效(随机或蓄意)会通过节点之间的耦合关系引起其他节点发生故障,由此产生连锁反应,导致相当一部分节点甚至整个网络的崩溃。正常人的脑网络具有高效性、动态性,某个节点的失效极可能引发相继故障。负荷最大节点失效,其承载的信息量将瞬间崩溃,对整个脑网络的鲁棒性将会产生的影响尚不清楚。首先对正常人的静息态功能核磁共振图像进行预处理,利用AAL模板将正常人的大脑分割成90个脑区。然后分别计算两两脑区之间的Pearson相关系数。接着设定阈值以获得邻接矩阵来描述正常人功能脑网络。最后设置容量系数,赋予该网络每个脑区容许值。并对负荷最大脑区进行攻击;分析正常人脑功能网络的在遭遇攻击之后的各项网络特征的变化情况。研究表明,正常人脑网络对于抵抗相继故障表现出较强的鲁棒性并且该网络具有较稳定的拓扑结构。原发性强直阵挛癫痫患者由于病灶区的异常,产生影响全脑的动力学行为。基于该疾病的未知动力学行为,本研究提出假设:CLM相继故障可对癫痫患者的病发以及其动态传播过程进行模拟。此外,GTCS中的负荷最大节点承载了最大信息,较容易导致相继故障。因此,本文选择GTCS中的负荷最大脑区作为模拟癫痫病发过程的病灶脑区。首先,以GTCS组中的负荷最大节点(左侧额中回)作为种子节点,分别在GTCS组与正常对照组做与全脑的功能连接,并采用双样本t检验,判断该脑区是否具有病理生理学依据。若GTCS组中的负荷最大节点具有临床意义,选取GTCS组负荷最大节点为攻击节点,分别对GTCS组和正常对照组脑网络进行相继故障模拟,分析GTCS组与正常对照组网络特征各项参数的差异,以及GTCS效率降低比较明显的脑区功能。研究表明,CLM相继故障模拟GTCS的病发动力学过程具有合理性,并且左侧额中回极可能是该疾病的潜在病灶脑区。
【图文】：

时间序列,功能磁共振

图 2.1 功能磁共振原始图像据预处理过程在数据的时间阈和空间阈分别进行。在主要包括校正被试的偏移矢量、对不同结构或形状的及对数据进行拟合的平滑操作。而时间阈的处理方法生的噪声等无用信号，常常采用剔除信号的线性漂移数据的时候，时间序列可能具有较高的自相关性，因号的影响。具体的预处理如下：校正进行 fMRI 数据收集的期间，由于时间较长，，呼吸等MRI 数据很容易产生较大的头动。例如，在一个被试的逼近位置发生变化的参数，头部的偏移包括 6 个矢量。如图 2.2 所示，为一个被试的大脑在 x、y、z 轴的平，图中 translation 表示 x、y、z 轴的转动矢量曲线图；平移矢量曲线图。通常情况，以第一幅图像为基准，置进行补偿，使其他图像与参照图像的不匹配性误差

参数曲线,动校正,参数曲线,空间变换

静息状态下脑网络的 CLM 相继故障模型研究例如，对参考图像 g 和被校正图像 f 进行配准，argmax ( , ( ))r MM S g M f性测度，rM 为所求的最佳空间变换。原始图像经示。该图与原始功能磁共振图像相比，大脑的矢系更加整齐。
【学位授予单位】：兰州理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：O157.5

【参考文献】