抑郁患者大脑图网络演化方法研究

发布时间：2021-11-14 07:33

　　随着科技的发展,网络时代迅速崛起,越来越多的事务随着网络的建立产生联系。例如脑部疾病的研究结果从最初的影像学唯一论转变为对影像学报告和脑网络评价指标的共同分析。随着城市生活节奏加快,抑郁症发病率逐年提升,发病趋势向校园中青少年蔓延,且发病机理不明确。因此,本文基于抑郁患者脑网络数据建立演化模型,研究抑郁症患者发病机理并模拟脑网络病变过程,创建基于图卷积神经网络GCN（Graph convolutional neural network）和长短期记忆神经网络 LSTM（Long Short-Term Memory）的记忆图卷积演化网络 MGCEN（Memory graph convolution evolution network）预测网络未来发展趋势。鉴于抑郁症发病主要由脑部结构随时间推移发生病变,因此本文基于结构磁共振图像和弥散张量图像共同构建脑网络模型。首先,本文按照AAL模板将脑核磁共振图像划分为116个脑区,将其中的90个脑区作为研究对象,对各个脑区的灰质体积进行GA值分析,发现抑郁症患者与正常人脑区之间的差异主要体现在额叶区和颞叶区上。之后将脑区做为节点以各脑区之间相关联系为... 

【文章来源】：大连海事大学辽宁省 211工程院校

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图２．２大脑半球外侧??Ｆｉｇ．?２．２?Ｌａｔｅｒａｌ?ｃｅｒｅｂｒａｌ?ｈｅ?

图２．８图卷积空间模型示例??Ｆｉｇ．?２．８?Ｇｒａｐｈ?ｃｏｎｖｏｌｕｔｉｏｎ?ｓｐａｃｅ?ｍｏｄｅｌ?ｅｘａｍｐｌｅ??图２．８中以节点Ｖ为代表，按照公式２．２１提取节点Ｖ的空间节点信息

?大连海事大学硕士学位论文???将ＡＡＬ模板分割的灰质脑区体积带入皮尔逊公式，计算得到９０＊９０对称矩阵，矩??阵参数，为？ｆ区间相关系数，／的取值范围为－１－＋１之间。参数７?＝?代表脑区间为负相??关，／?＝?１代表脑区间为正相关，／?＝?〇时代表脑区不相关。由ＭＡＴＬＡＢ软件进行实验，??得到结果如图３．２所示：??丨圓！丨??１０?２０?３０?４０?５０?６０?７０?８０?９０?１０?２０?３０?４０?５０?６０?７０?８０?９０??图３．２抑郁症和健康人脑区相关系数矩阵??Ｆｉｇ．?３．２?Ｃｏｉｒｅｌａｔｉｏｎ?ｍａｔｒｉｘ?ｏｆ?ｄｅｐｒｅｓｓｉｏｎ?ａｎｄ?ｈｅａｌｔｈｙ?ｂｒａｉｎ?ｒｅｇｉｏｎｓ??左图表示健康人皮尔逊系数矩阵，右图表示抑郁患者皮尔逊相关系数矩阵。其中红??色表示正相关，蓝色表示负相关。??为了使构建的脑网络模型更符合小世界特性，本文设定当｜／｜＞?０．７时认为脑区之间??存在相关性，否则认为脑区间不存在相关性。在此基础上构建脑网络连边，当｜／｜＞０．７时??认为脑区中存在连边，否则不存在连边。网络二值矩僻＾如图３．３所示：??１０?２０?３０?４０?５０?６０?７０?８０?８０?１０?２０?３０?４０?５０?６０?７０?８０?９０??图３．３抑郁症和健康人脑网络二值矩阵??Ｆｉｇ．?３．３?Ｄｅｐｒｅｓｓｉｏｎ?ａｎｄ?Ｈｅａｌｔｈｙ?Ｈｕｍａｎ?Ｂｒａｉｎ?Ｎｅｔｗｏｒｋ?Ｂｉｎａｉｙ?Ｍａｔｒｉｘ??２７??

【参考文献】：
期刊论文
[1]面向交通流量预测的多组件时空图卷积网络[J]. 冯宁,郭晟楠,宋超,朱琪超,万怀宇.  软件学报. 2019(03)
[2]抑郁症认知功能损伤及异常脑机制研究进展[J]. 刘佳丽,王亮.  科学通报. 2018(20)
[3]基于图卷积网络的社交网络Spammer检测技术[J]. 曲强,于洪涛,黄瑞阳.  网络与信息安全学报. 2018(05)
[4]在线社交网络信息传播机制与动力学研究综述[J]. 张子柯.  情报学报. 2017(04)
[5]阿尔茨海默症患者额顶叶控制系统脑网络异常[J]. 周鹏,朱浩泽,倪红艳,陈元园,王学民,綦宏志,何峰,明东.  科学通报. 2016(32)



本文编号：3494220