基于静息态功能核磁数据的个体创造力预测
发布时间：2021-10-23 10:55
创造力是国家科学技术进步和经济发展的源泉。目前,个体创造性的高低一般通过各种问卷来测量及评定。其测量和评定过程可能夹杂着许多的主观性和不确定性。近年来,开始有学者研究通过使用大脑的功能连接来预测个体的创造力的可能性,但预测模型中使用大量的功能连接作为输入变量,使得预测的结果不具可靠性。为了弥补以上研究的不足,本文利用机器学习方法对言语创造性与大脑网络之间的关系进行探究,提出了寻找最优功能连接的方法,寻找出了最能区分高低创造性的13个大脑功能连接。本文中,我们提出了一种基于先验知识和数据驱动的方法（PDM）来寻找最具预测能力的大脑功能连接。PDM方法包括三步:首先使用秩和检验从34716个功能连接中,选择了在高低创造性组中具有明显差异的134个功能连接;然后使用随机森林对134个功能连接进行重要性评价,按重要性进行从高到低排序,选择平均重要性排名前20的功能连接;最后使用后向选择算法对20个功能连接进行再选择,留下13个功能连接组合,这13个功能连接能够有效预测高低创造性个体。采用13个功能连接作为预测模型的输入变量,其分类准确率在库内识别中能达到85.6%,在库间识别中达到67.2%,...
【文章来源】：西南大学重庆市 211工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
交叉切片扫描图
11某种形式的时间插值。时间层校正基本的思想是采用扫描得到的观测值，猜测观测值在短时间内如何变化，然后用此猜测来预测TR开始时的BOLD响应。插值最常见的形式有线性插值、样条插值和正弦插值。目前，最广为人知的插值方式是线性插值。线性插值通过使用直线连接两个定点，从而完成两个点之间的插值。假设有定点11(x,y)和22(x,y)。线性插值得到的插值线由式(2.6)给出。211121()()yyyyxxxx(2.7)图2.2是使用线性插值的一个例子。图2.2（a）显示了一个假设的BOLD响应，假设TR为3秒，则实心点代表每个TR时间点观察到的BOLD响应。而图2.2（b）中灰色实线表示连续的BOLD响应，而黑色实线为插值结果。由图2.2（b）我们可以观察到，除了前两个线性插值结果误差很大之外，其他地方的插值结果几乎与假设的BOLD响应曲线重合。而前面两个TR时间点之间插值效果不好的原因是其BOLD响应变化太快，幸运的是实际的BOLD变化是很缓慢的。而TR时间越短，其BOLD响应变化越缓慢，而一般TR为2秒，使得线性插值的误差是非常小的。（a）（b）图2.2线性插值的例子：（a）假设的BOLD响应；（b）线性插值结果2.4.2头动校正在fMRI数据的所有预处理步骤中，校正头部运动可能是其中最重要的一个环节。因为微孝几乎不能被人察觉的头部运动都有可能严重的损坏fMRI数据，导致其不能为我们统计分析时使用。Huetteletal[36]研究表明，5毫米的头部运动将有可能导致体素中的激活值增加五倍。这是因为当被试移动他的头部时，血液西南大学硕士学位论文
西南大学硕士学位论文12供应丰富的大脑区域将移动到扫描仪中新的空间位置，而这些区域的BOLD信号值将会被记录在与运动发生之前不同的体素中。如果不对这些运动加以校正，那么许多体素中的激活值将突然以无法预测的方式发生变化。更糟糕的情况是，被试如果发生更大的头部运动将会导致被试的某些大脑区域完全被移出扫描区域。这种是无法恢复的fMRI数据变异，并且根本没有合适的头动校正算法可以校正头部运动过大导致的变异。所以头动问题最佳的解决方案是预防而不是事后进行校验更正。头动校正数学方法的假设前提是当被试移动他的头部时，他的头部是没有发生形状和大小的变化的。一般情况下，头部突然地移动一般会对头部产生微小的变化，但是这些形状变化及其微小，小到我们可以忽略它的形状变化。所以头部运动校正就成了“刚体配准”问题[37,38]。图2.3功能核磁成像分析时使用的标准坐标系（x,y,z）图2.3为fMRI数据分析中的标准(x,y,z)坐标系。如图三所示，当被试躺在扫描仪中，被试大脑中的任何一个体素中心都可以由一个坐标点(x,y,z)表示。刚体配准公式如公式(2.8)所示。,,Txyzwwww为移动之前的体素中心坐标点；
【参考文献】：
期刊论文
[1]《机器学习》[J]. 周志华. 航空港. 2018(02)
[2]科学发明创造思维过程中的原型启发效应[J]. 朱丹,罗俊龙,朱海雪,邱江,张庆林. 西南大学学报(社会科学版). 2011(05)
[3]决策树算法及其核心技术[J]. 杨学兵,张俊. 计算机技术与发展. 2007(01)
本文编号：3453061
【文章来源】：西南大学重庆市 211工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
交叉切片扫描图
11某种形式的时间插值。时间层校正基本的思想是采用扫描得到的观测值，猜测观测值在短时间内如何变化，然后用此猜测来预测TR开始时的BOLD响应。插值最常见的形式有线性插值、样条插值和正弦插值。目前，最广为人知的插值方式是线性插值。线性插值通过使用直线连接两个定点，从而完成两个点之间的插值。假设有定点11(x,y)和22(x,y)。线性插值得到的插值线由式(2.6)给出。211121()()yyyyxxxx(2.7)图2.2是使用线性插值的一个例子。图2.2（a）显示了一个假设的BOLD响应，假设TR为3秒，则实心点代表每个TR时间点观察到的BOLD响应。而图2.2（b）中灰色实线表示连续的BOLD响应，而黑色实线为插值结果。由图2.2（b）我们可以观察到，除了前两个线性插值结果误差很大之外，其他地方的插值结果几乎与假设的BOLD响应曲线重合。而前面两个TR时间点之间插值效果不好的原因是其BOLD响应变化太快，幸运的是实际的BOLD变化是很缓慢的。而TR时间越短，其BOLD响应变化越缓慢，而一般TR为2秒，使得线性插值的误差是非常小的。（a）（b）图2.2线性插值的例子：（a）假设的BOLD响应；（b）线性插值结果2.4.2头动校正在fMRI数据的所有预处理步骤中，校正头部运动可能是其中最重要的一个环节。因为微孝几乎不能被人察觉的头部运动都有可能严重的损坏fMRI数据，导致其不能为我们统计分析时使用。Huetteletal[36]研究表明，5毫米的头部运动将有可能导致体素中的激活值增加五倍。这是因为当被试移动他的头部时，血液西南大学硕士学位论文
西南大学硕士学位论文12供应丰富的大脑区域将移动到扫描仪中新的空间位置，而这些区域的BOLD信号值将会被记录在与运动发生之前不同的体素中。如果不对这些运动加以校正，那么许多体素中的激活值将突然以无法预测的方式发生变化。更糟糕的情况是，被试如果发生更大的头部运动将会导致被试的某些大脑区域完全被移出扫描区域。这种是无法恢复的fMRI数据变异，并且根本没有合适的头动校正算法可以校正头部运动过大导致的变异。所以头动问题最佳的解决方案是预防而不是事后进行校验更正。头动校正数学方法的假设前提是当被试移动他的头部时，他的头部是没有发生形状和大小的变化的。一般情况下，头部突然地移动一般会对头部产生微小的变化，但是这些形状变化及其微小，小到我们可以忽略它的形状变化。所以头部运动校正就成了“刚体配准”问题[37,38]。图2.3功能核磁成像分析时使用的标准坐标系（x,y,z）图2.3为fMRI数据分析中的标准(x,y,z)坐标系。如图三所示，当被试躺在扫描仪中，被试大脑中的任何一个体素中心都可以由一个坐标点(x,y,z)表示。刚体配准公式如公式(2.8)所示。,,Txyzwwww为移动之前的体素中心坐标点；
【参考文献】：
期刊论文
[1]《机器学习》[J]. 周志华. 航空港. 2018(02)
[2]科学发明创造思维过程中的原型启发效应[J]. 朱丹,罗俊龙,朱海雪,邱江,张庆林. 西南大学学报(社会科学版). 2011(05)
[3]决策树算法及其核心技术[J]. 杨学兵,张俊. 计算机技术与发展. 2007(01)
本文编号：3453061
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3453061.html
