大脑静息态多层级马尔科夫关系研究

发布时间：2021-08-17 13:13

　　功能性核磁共振成像（fMRI）是一种非侵入性的,测量大脑各区域激活水平的技术,是研究大脑活动的重要工具之一。对fMRI数据的分析,已经取得了非常多的成果,加深了人们对大脑活动的认识。不过由于大脑是一个十分庞大和复杂的系统,人们对大脑的认知还远远谈不上透彻,因此对大脑的分析研究,仍然具有重要的理论和现实意义。本文获取了758名健康受试者的fMRI数据,对大脑静息态的fMRI数据进行了分析,同时探究了静息态fMRI数据分析得到的特征与受试者认知能力之间的关系。首先本文对fMRI数据分别进行了动态功能连接分析和共激活模式分析。在动态功能连接分析中,本文采用滑动窗口的方式捕捉动态功能连接,利用K-means聚类算法,确定了5个重复出现的动态功能连接模式,深入分析了每个连接模式的功能连接特征,并计算了在整个数据集中,每个连接模式的相关统计量。在共激活模式分析中,本文采用K-means聚类算法,确定了8个重复出现的共激活模式,并详细分析了每个共激活模式中,大脑各区域的激活情况。同样地,计算出了每个共激活模式的相关统计量。动态功能连接模式和共激活模式是从两个不同的角度对fMRI数据分析得到的结果,本... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

sigmoid函数示意图

第三章大脑静息态数据的动态特征分析方案19图3-1静态功能连接计算示意图而动态功能连接，则是采用一系列滑动窗口（窗口之间相互重叠），将时间序列截断成一小段，计算在这一小段时间内，各区域时间序列的相关性。如图3-2所示，每次只计算窗口内时间序列的相关性，然后将窗口往后移动，再次计算，直到评估完整个时间序列。本文中的功能连接采用Pearson相关系数来衡量，计算公式如式2-6所示。滑动窗口的大小对捕捉动态特征的效率有很大影响，文献[19]中的研究结果表明，当滑动窗口大小为30s时，效率最高，所以本文中滑动窗口的长度设置为30s，每次移动的步长为2个时刻。图3-2滑动窗口示意图Pearson相关系数衡量两个变量之间的线性关联，由于的取值范围为[-1,1]，使得高度相关的变量的抽样分布是是高度偏态的。Fisher-z变换可以将的抽样分布从一个偏态的分布转换为一个近似的正态分布。功能连接分析中，常使用Fisher-z变换增加分析效率，所以本文中，在动态功能连接计算完成之后，对其进行Fisher-z变换，其变换公式如式（3-2）所示。

第三章大脑静息态数据的动态特征分析方案19图3-1静态功能连接计算示意图而动态功能连接，则是采用一系列滑动窗口（窗口之间相互重叠），将时间序列截断成一小段，计算在这一小段时间内，各区域时间序列的相关性。如图3-2所示，每次只计算窗口内时间序列的相关性，然后将窗口往后移动，再次计算，直到评估完整个时间序列。本文中的功能连接采用Pearson相关系数来衡量，计算公式如式2-6所示。滑动窗口的大小对捕捉动态特征的效率有很大影响，文献[19]中的研究结果表明，当滑动窗口大小为30s时，效率最高，所以本文中滑动窗口的长度设置为30s，每次移动的步长为2个时刻。图3-2滑动窗口示意图Pearson相关系数衡量两个变量之间的线性关联，由于的取值范围为[-1,1]，使得高度相关的变量的抽样分布是是高度偏态的。Fisher-z变换可以将的抽样分布从一个偏态的分布转换为一个近似的正态分布。功能连接分析中，常使用Fisher-z变换增加分析效率，所以本文中，在动态功能连接计算完成之后，对其进行Fisher-z变换，其变换公式如式（3-2）所示。


本文编号：3347835