基于频域分析和结构聚类的fMRI数据处理方法研究

发布时间：2017-12-18 03:30

  本文关键词：基于频域分析和结构聚类的fMRI数据处理方法研究

  更多相关文章： fMRI MCI诊疗 时频域 拓扑网络模式 k完全子图

【摘要】：随着轻度认知功能障碍诊疗,如抑郁、帕金森、阿尔茨海默病等领域研究的逐步深入,数据挖掘在脑功能认知数据分析中,尤其在多属性分析、功能认知模式分析等领域,扮演着重要角色。在进行fMRI数据分析的过程中发现,轻度认知功能障碍诊疗数据分析中存在两个潜在的问题,即脑激活区提取中的延迟问题与提取功能连通模式的可靠性问题。首先,在提取功能认知实验的脑激活区中,当功能认知任务刺激信号与血液动力学响应信号之间在多个被试中存在不特定延迟的时候,提取的脑激活区域的准确性下降问题。另一方面,由于静息态实验可执行性高,轻度功能认知障碍诊疗的研究热点近年来逐渐集中于静息态数据,并且发现功能连通模式是一种有效的诊断评价特征。若当静息态数据不服从分析模型假设时,存在所提取的功能连通模式的可靠性会降低的问题。本文深入研究了 fMRI数据处理方法在上述情况下存在的潜在问题,结合数据挖掘与统计学方面的相关思想,并在与医生进行充分沟通的前提下,进行了大量结合实际的仿真研究。主要工作包括:针对脑激活提取中的延迟问题,发现通过频域特征可提高fMRI数据处理结果中提取脑激活区的准确性。针对提取功能连通模式的可靠性问题和大规模脑功能网络,则利用基于三元环的复合结构相似性理论改善了 fMRI数据处理中提取的功能连通模式的准确性与鲁棒性。为了进一步提高所提取的功能连通模式的可靠性,在小规模脑功能网络中,提出基于k完全子图特征的结构聚类方法。主要创新点如下:(1)提出基于空间仿射度量的fMRI时间序列脑激活区域提取算法。该算法是一个可以从fMRI血氧水平依赖信号中提取脑激活区的数据挖掘算法,通过结合频域特征与时域特征的特性,可以在功能认知任务刺激信号与血液动力学响应信号之间存在不特定延迟时,获得更准确的脑激活区。24名被试的fMRI数据测试以及受试者工作特征曲线定量分析结果显示,使用该算法提取的脑激活区准确性优于以往基于GLM提取的脑激活区准确性。(2)提出基于拓扑结构相似度与三元环的fMRI拓扑网络功能连通模式提取算法。该算法是一种从脑功能连通性网络中提取功能连通模式的无监督聚类算法,其中聚类结果中的簇即为功能连通模式,结合拓扑结构相似性与三元环拓扑结构特征,在保留了结构相似性特征所具有的聚类结果特性的基础上,利用三元环拓扑结构对其边界进行优化,降低聚类结果中的离群点的伪阳性率。利用仿真拓扑网络进行的实验研究结果表明,本文所提算法与以往基于SCAN研究相比,在适用于大规模脑功能连通性网络的同时,聚类结果的准确度优于以往的方法。(3)提出基于k完全子图特征的fMRI拓扑网络功能连通模式提取算法。该算法是一种以功能连通模式自身为特征的无监督聚类算法,主要面向fMRI功能连通模式提取。本文利用图论和计算理论等相关手段,改善了传统完全子图因为计算量极大而难以应用到现实数据当中的情况。使得基于k完全子图特征的结构聚类方法在计算成本上可行。利用仿真拓扑网络进行的实验表明,基于k完全子图的结构聚类算法无论是聚类准确度还是鲁棒性均优于传统的SCAN结构聚类算法。面向静息态功能连通性网络的功能连通模式提取实验结果表明,利用基于k完全子图的结构聚类算法提取的脑网络功能连通模式结果与以往的研究相互印证,这意味着通过该算法提取的功能连通模式对于轻度认知功能障碍诊断是一个有效的特征。基于k完全子图的结构聚类算法是一个聚类结果准确、鲁棒性高的方法,并且对于轻度认知功能障碍诊疗,可用于服从复杂网络特性的脑功能网络分析。论文主要研究面向fMRI功能认知影像的数据处理方法。针对轻度认知功能障碍诊断过程中遇到的实际问题,本文提出的算法提高所分析问题数据处理结果的准确性与鲁棒性,通过利用这些算法诊断过程的可操作性与可信性会得到进一步提升,对轻度认知功能障碍的诊疗具有现实的研究价值与意义。
【学位授予单位】：大连海事大学
【学位级别】：博士
【学位授予年份】：2017
【分类号】：R445.2;TP311.13

【相似文献】

中国期刊全文数据库 前10条

1 李建勇;;离散点的数据处理方法[J];水利水文自动化;1992年03期

2 舒婉平;电视图像质量主观评价试验中的一种数据处理方法[J];广播与电视技术;1987年06期

3 谷中明;;指数型函数关系数据处理方法的探讨[J];内蒙古石油化工;2010年05期

4 张孝祖;传感器标定的数据处理方法[J];江苏工学院学报;1985年01期

5 陆付民;;建筑物水平位移变形数据处理方法[J];武测科技;1992年02期

6 陈玉玲;徐聿晟;沈珂敏;余敏明;赵小羽;张正江;;基于过程系统测量数据的稳态检测与数据处理方法[J];化工自动化及仪表;2013年02期

7 戴晓锋;;浅谈机动车检验数据处理方法[J];汽车与安全;2013年09期

8 张东明;;边坡监测技术与数据处理方法的研究[J];科学技术与工程;2010年22期

9 刘振安;自动替代虚假点数据的数据处理方法[J];微电子学与计算机;1997年02期

10 王辉，，曾献兵;工业过程检测的数据处理方法研究[J];计算技术与自动化;1994年02期

中国重要会议论文全文数据库 前10条

1 郭洪涛;刘靖;吕彬彬;闫昱;寇西平;;连续变速压颤振试验数据处理方法研究[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年

2 付小敏;王旭东;;利用岩石声发射测试地应力数据处理方法的研究[A];第七届全国MTS材料试验学术会议论文集（二）[C];2007年

3 祝刚;;飞行器高动态GPS定位数据处理方法[A];中国工程物理研究院科技年报（2003）[C];2003年

4 周起钊;刘颖;张燕燕;;对影片分析仪数据处理方法的研究摘要[A];第五届全国运动生物力学学术会议论文摘要[C];1985年

5 孟国杰;任金卫;金红林;李鹏;;GPS高频数据处理方法及其在地震学中的应用研究进展[A];GPS技术应用研究论文专辑[C];2007年

6 王威;;中国射电日像仪5单元系统校准与数据处理方法[A];太阳射电天文学——新一代射电频谱日像仪建设进展研讨会摘要集[C];2010年

7 蔺杰;;GPS测量中的误差分析及数据处理方法研究[A];中国测绘学会第九次全国会员代表大会暨学会成立50周年纪念大会论文集[C];2009年

8 章传银;;从变形参考系角度研究变形监测网的数据处理方法[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

9 曹正响;;基于PixelGrid软件的无人机数据处理方法和技术探讨[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

10 温华洋;徐光清;华连生;汪腊宝;胡雯;;“双套站”数据处理方法探索[A];第28届中国气象学会年会——S1第四届气象综合探测技术研讨会[C];2011年

中国博士学位论文全文数据库 前3条

1 陈亮;基于频域分析和结构聚类的fMRI数据处理方法研究[D];大连海事大学;2017年

2 岳焕印;基于小波变换的干涉SAR数据处理方法研究[D];中国科学院研究生院（遥感应用研究所）;2002年

3 曾磊;测热试验数据后处理方法及误差机理分析[D];中国空气动力研究与发展中心;2012年

中国硕士学位论文全文数据库 前10条

1 汪晶晶;基于MapReduce的天文数据处理方法与应用研究[D];昆明理工大学;2012年

2 张福荣;自适应卡尔曼滤波在变形监测数据处理中的应用研究[D];长安大学;2009年

3 彭涛;基于GIS的化探数据处理方法研究及分析系统开发[D];中南大学;2004年

4 赵宜行;GPS变形监测技术及其数据处理方法研究[D];西安科技大学;2009年

5 孙文虎;经纬仪测量系统的数据处理方法及可视化研究[D];解放军信息工程大学;2004年

6 马飞;运动仿真试验中测试系统标定与数据处理方法研究[D];哈尔滨工业大学;2012年

7 王翔;基于Hadoop的电信运营商海量数据处理方法的研究与应用[D];南京邮电大学;2014年

8 崔小岳;粘着控制中数据处理方法研究与实现[D];西南交通大学;2014年

9 张胜伟;基于GPS技术的桥梁变形监测研究[D];山东理工大学;2012年

10 寿先方;围护结构传热系数现场检测及热量传递过程分析[D];东华大学;2015年

本文编号：1302650