多被试复数fMRI数据组分析的盲源分离方法研究

发布时间：2020-08-01 12:06

【摘要】：功能磁共振成像(fMRI)是一种重要的医学影像技术,以其毫米级高空间分辨率及非侵入等优势,广泛应用于脑科学研究。多被试fMRI数据的组分析能够获得多被试间的共有信息或差异信息,为脑功能研究或脑疾病诊断提供群体性特征。盲源分离方法属于数据驱动方法,只需已知观测信号就能估计出源信号及其混合参数,适于分析脑认知程度有限的fMRI数据。独立成分分析(ICA)、独立向量分析(IVA)和张量分解在组分析上是三种性能互补的盲源分离方法,分别提供被试间平均、差异或共享的脑空间激活图和时间过程信息。然而,fMRI数据本质上是复数数据,被试间存在着较大的空时成分差异,而且模型阶数对复数fMRI数据组分析的影响未知,这些问题导致现有方法性能受限。为此,本文的创新性研究工作如下:(1)针对复数fMRI数据存在的不同独立源成分向量分布差异大、噪声严重和非圆性等问题,提出了一种基于多维广义高斯分布的复数自适应定点IVA算法。首先,构建了一个基于多维广义高斯分布的非线性函数,通过极大似然估计实时更新其形状参数,从而自适应地匹配各源成分向量的分布。然后,在主导子空间更新该非线性函数,实现消噪。最后,在解混矩阵更新中嵌入了混合数据的伪协方差阵,进而引入了复数fMRI数据的非圆性。仿真和实际数据的实验结果表明,该算法显著优于现有方法,特别是在信噪比较低和空时差异变化较大的情况下,获取了更优的空时信息。复数IVA较之幅值IVA提取了更多感兴趣体素(任务相关成分和默认网络成分都增加约三倍之多)。针对现有后处理相位消噪的相位范围固定的问题,基于先验空间成分和相关最大化原则,提出了一种相位范围自适应选取方法,该方法适于任务态数据和静息态数据的后处理消噪,也验证了固定相位范围±π/4的正确性。(2)针对现有张量分解方法不能同时解决被试间空时差异性的问题,提出了两种新算法。其一,以时间移不变CPD引入时间成分的差异性,以ICA引入空间差异性约束,提出了一种时间移不变典范因子分解(CPD)和ICA相结合的算法。该方法先对多被试幅值fMRI数据进行ICA,获取联合混合矩阵;再对该矩阵进行时间移不变秩一估计,获得共享时间成分和各被试特有的时延和强度信息,并由此重构联合混合矩阵,进而采用最小二乘法获得共享空间成分。其二,提出了一种空间源相位稀疏约束的复数时间移不变CPD算法。将实数域时间移不变CPD算法拓展到复数域,引入复数时间成分的差异性;利用复数空间成分所特有的小相位特性,采用一种l0范数平滑函数对大相位体素进行稀疏化,引入空间差异性约束。仿真和实际数据的实验结果表明,这两种算法在空时差异性较大和噪声较大的情况下,均显著优于现有算法。复数张量分解方法较之幅值方法多获得了约两倍的任务相关体素。(3)研究了复数fMRI数据组分析中模型阶数的影响及其成因。首先,提出了一种从多次ICA结果中选取bestrun的改进方法,利用了多成分性能平均和显著性检验综合策略。实际数据的实验结果表明,该方法在所有模型阶数下均优于现有方法。其次,采用所提出的best run选取方法,研究了复数fMRI数据组分析中模型阶数的影响,发现了从低阶到高阶一直存在的复数完整成分,与现有幅值成分在高阶发生分裂的结论迥异。接着,探究了复数完整成分的形成原因,检测了相位数据的模型阶数影响,分析了相位数据的特征值分布,证实了相位数据对幅值数据的补全作用。最后,以默认网络为例,探索了高阶复数完整成分的作用。与高阶幅值成分相比,高阶复数完整成分在健康对照组和精神分裂症患者区分上体现出更为显著的差异,具有作为生物标识的潜力。
【学位授予单位】：大连理工大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：R445.2
【图文】：

示意图,示意图,复数,算法

第４章分析了现有张量分解方法不能同时解决ｆＭＲＩ被试间空时差异性的问题。针逡逑对该问题，本章开展了两项工作。（１）提出了一种时间移不变ＣＰＤ和ＩＣＡ相结合的新逡逑算法。利用ＩＣＡ以空间独立性引入ＳＭ的差异性，利用时间移不变ＣＰＤ，以时延引入逡逑ＴＣ的差异性。（２）提出了一种空间源相位稀疏的复数时间移不变ＣＰＤ算法。首先，将逡逑时间移不变ＣＰＤ算法拓展到复数域，提出一种适于复数数据的时延估计方法，引入时逡逑间差异性约束。然后，以复数ｆＭＲＩ空间成分所特有的小相位特性引入空间差异性约束，逡逑对大相位体素进行了稀疏约束。通过仿真和实际数据实验，定性和定量地考察了这两个逡逑算法和各自对比算法的性能。逡逑第５章分析了当前ｆＭＲＩ数据分析中模型阶数影响的相关研究工作，以及当前ＢＳＳ逡逑方法的ｂｅｓｔ邋ｒｕｎ选取算法存在的问题。Ｂｅｓｔ邋ｒｕｎ选取算法指对某ＢＳＳ方法运行多次，从逡逑中选取最优的一次运行的算法。针对静息态ｆＭＲＩ数据，开展了如下三项工作。（１）提出逡逑了一种综合利用平均和单样本？检验的ｂｅｓｔｒｕｎ选取方法。（２）米用所提出的ｂｅｓｔｒｕｎ选逡逑取方法，定量和定性地研宄了复数、幅值和相位ｆＭＲＩ数据组分析中模型阶数影响的差逡逑异和联系，发现了从低阶到高阶一直存在复数完整ＤＭＮ成分。（３）定量和定性地考察逡逑ＤＭＮＨＣＳＺ。逡逑

示意图,数据获取,示意图,相位

２．２．２相位ｆＭＲＩ数据的高噪声性与独有信息逡逑ＦＭＲＩ数据采集时不可避免地存在着设备物理噪声，还有被试者头动、呼吸和心跳逡逑等生理噪声［１２２，１２３］。相位ｆＭＲＩ数据具有指纹特性，含有每个体素的平均磁场信息，因此逡逑任何原因导致的磁场全局或局部不均匀性，都会引起空间相位的变化［１２２１。相位ｆＭＲＩ数逡逑据还对相干磁场漂移很敏感［１２２］且难以控制［１２３］。这些因素均反映了相位ｆＭＲＩ数据对噪逡逑声的敏感性远比幅值ｆＭＲＩ数据高。因此相位ｆＭＲＩ数据的噪声比幅值ｆＭＲＩ数据严重得逡逑多。虽然通过多种校正措施，例如时空相位解缠、基于中心Ｋ空间点相位演化的回归、逡逑ＴＯＡＳＴ邋（ｔｅｍｐｏｒａｌ邋ｏｆｆ－ｒｅｓｏｎａｎｃｅ邋ａｌｉｇｎｍｅｎｔ邋ｏｆ邋ｓｉｎｇｌｅ－ｅｃｈｏ邋ｔｉｍｅ邋ｓｅｒｉｅｓ邋ｔｅｃｈｎｉｑｕｅ）等［１２２］，才目位逡逑ｆＭＲＩ数据的噪声依然幅值ｆＭＲＩ数据的噪声大。相位ｆＭＲＩ数据的高噪声性也导致了复逡逑数ｆＭＲＩ数据的噪声比幅值ｆＭＲＩ数据的噪声大，这样复数ｆＭＲＩ数据分析必须额外考虑逡逑消噪问题。逡逑虽然相位ｆＭＲＩ数据的噪声比较严重，越来越多的文献证明了相位ｆＭＲＩ数据包含逡逑生理意义明确的脑功能信息。其一，由于血氧水平变化，相位ＭＲＩ数据对毛细血管和逡逑引流血管方向特别敏感。利用相位ｆＭＲＩ数据的这个性质，可建立不同信噪比下的相位逡逑１２４，１２５

广义线性模型,实验范式,文献,单样本

逦大连理工大学博士学位论文逦逡逑该ＴＣ参考产生方式也在很多文献中得到了应用［１６，２］，２３’判。对于任务相关５１＾参考，考逡逑虑到广义线性模型（ｇｅｎｅｒａｌｉｚｅｄ邋ｌｉｎｅａｒ邋ｍｏｄｅｌ，邋ＧＬＭ）在任务态ｆＭＲＩ数据分析中应用最为广逡逑泛［１３５］，本文对各被试进行ＧＬＭ分析，再对每个体素进行单样本（检验（ｐ＜邋０．０５），最后逡逑进行ｚ－ｓｃｏｒｅ邋（ｚ－ｓｃｏｒｅ使得数据均值为０，方差为１）并取阈值２．５，得到所有被试一致性的逡逑任务相关ＳＭ作为参考，如图２．２（ｂ）所示。对于ＤＭＮ的ＳＭ参考，如图２．２（ｃ）所示，采逡逑用文献［１１２］给出的ＤＭＮ参考模板。该文献的ＳＭ参考模板是由Ｓｍｉｔｈ等人对将近３万逡逑被试进行ＧＩＣＡ组分析得到的，因此ＤＭＮ结果可靠且典型。对于ＤＭＮ的ＴＣ，由于并逡逑没有像任务相关ＴＣ的幅度随实验范式变化明显，各被试间差异较大。但是根据ＤＭＮ逡逑在任务状态时抑制，在休息状态时激活，可以初步推断，ＤＭＮ的ＴＣ和任务相关ＴＣ参逡逑考呈相反关系。逡逑

【参考文献】