基于自适应加权t-SNE的动态脑网络特征降维算法研究

发布时间：2020-03-18 00:48

【摘要】：功能磁共振成像(Functional Magnetic Resonance Imaging,f MRI)是一种重要的脑成像技术。其中,基于静息态f MRI的脑功能网络重建技术为研究大脑的功能和特征提供了一种有效方法。目前大多数研究假定在静息态f MRI数据采集期间内大脑处于静止不变的状态,但事实上大脑是一个无时无刻不在活动和变化的整体,因此一些研究人员从动态系统理论出发展开了对脑网络动态性能的研究,并采用滑动窗口构建了全脑脑区网络状态观测矩阵,由于该矩阵高达上千维,很难直接观测其主要特征,给进一步研究脑网络的动态特性带来了困难。在研究过程中,采用t分布随机邻域嵌入(t-distributed stochastic neighbor embedding,t-SNE)算法对上述矩阵进行降维有一定的效果,但是由于在计算高维空间样本之间的相似性概率时,并没有考虑样本的实际分布,因此降维效果不佳。本文提出了一种自适应加权的改进t-SNE算法,该算法首先对每一对样本点在高维空间中的欧氏距离进行归一化,然后按实际样本对的不同分布状况进行分组分析,按照近距离、适中距离和远距离三种情况分别进行自适应加权处理并计算高维空间内样本点间的相似概率,以加权相对距离代替欧氏绝对距离,实现了对高维样本相似度的更准确度量。为了验证自适应加权t-SNE算法在脑网络状态观测矩阵降维中的效果,本文从以下三个方面展开了实验及分析:自适应加权t-SNE算法与其它降维算法在自行采集的单样本上的降维对比实验;自适应加权t-SNE算法与传统t-SNE算法在自行采集的多样本上的降维对比实验;自适应加权t-SNE算法与传统t-SNE算法在公开数据库中多样本上的降维对比实验。降维可视化结果显示,自适应加权t-SNE的降维聚类可视化效果优于传统t-SNE算法和其它降维算法,并有效地消除了传统t-SNE算法中存在的交叉、散点和簇类不集中等问题。降维后的脑网络状态聚类性能指标显示,自适应加权t-SNE算法的聚类指标值DBI(Davies-Bouldin Index,DBI)值与DI(Dunn Index,DI)值均比传统t-SNE算法得到了明显改善,从而为进一步研究脑网络的动态特性提供了有力的基础。
【图文】：

学领域相关论文数量前五位，在脑科学领域相关论文数量最多国家中，发达国家占绝大多数，我们国家脑科学虽然起步相对关论文数量位居第七位，SCI 收录的脑科学领域相关论文数量15 位国家,如图 1.1 所示。

novations Index，DII）中，检索日期截止 2014 年 12 月 10 日，脑科域相关专利达到 51640 件，而我们国家近年来脑科学领域相关专利一直处于上升状态，脑科学领域相关专利申请数量的逐年变化情况图 1.2 所示。
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R445.2

【参考文献】

相关期刊论文 前10条

1 钟毅欣;赵建农;;静息态脑功能网络分析方法及在肝性脑病的研究进展[J];国际医学放射学杂志;2015年06期

2 王一托;李功杰;乔鹏岗;;BOLD-fMRI在脑卒中患者触觉功能康复过程中的应用现状[J];中国临床医学影像杂志;2015年09期

3 毕凯;王晓丹;邢雅琼;;基于证据空间有效性指标的聚类选择性集成[J];通信学报;2015年08期

4 黄嘉爽;梅雪;袁晓龙;李振华;;脑功能网络的fMRI特征提取及脑部疾病机器识别[J];智能系统学报;2015年02期

5 钱万强;朱庆平;沈建磊;;我国脑科学研究战略部署及发展情况浅析[J];生命科学;2014年06期

6 钟元;赵翠花;陶玲;张志强;戚荣丰;卢光明;;静息态fMRI分析方法及其在创伤后应激障碍研究中的应用[J];生物物理学报;2013年10期

7 刘燕驰;高学东;国宏伟;武森;;聚类有效性的组合评价方法[J];计算机工程与应用;2011年19期

8 杜培军;王小美;谭琨;夏俊士;;利用流形学习进行高光谱遥感影像的降维与特征提取[J];武汉大学学报(信息科学版);2011年02期

9 杨时骐;吴光耀;;静息态脑功能磁共振成像的研究进展[J];武汉大学学报(医学版);2010年01期

10 吴晓婷;闫德勤;;数据降维方法分析与研究[J];计算机应用研究;2009年08期

相关博士学位论文 前3条

1 翁晓光;静息态脑功能磁共振数据分析方法及在弱视神经机制中的应用研究[D];南京航空航天大学;2010年

2 相洁;启发式问题解决认知神经机制及fMRI数据分析方法研究[D];太原理工大学;2010年

3 王靖;流形学习的理论与方法研究[D];浙江大学;2006年

相关硕士学位论文 前4条

1 张德鹏;基于t-SNE的氨基酸聚类分析[D];辽宁师范大学;2016年

2 屈治礼;高维数据可视化研究及在商业智能中的应用[D];江苏科技大学;2013年

3 王珊珊;短暂性脑缺血的静息态fMRI研究[D];电子科技大学;2013年

4 周卉芬;功能磁共振数据处理方法研究[D];南京航空航天大学;2007年

，

本文编号：2587952