基于神经影像计算和机器学习的婴儿脑发育的若干问题研究
发布时间：2022-01-12 19:06
新生儿大脑的结构、功能连接、认知水平等会在出生后的前几年经历一个动态的发育期。研究这个时期内婴儿大脑的发育情况在神经科学领域具有重要的意义,如,有助于了解健康婴儿的大脑早期发育的规律,以及实现神经发育障碍或精神疾病的早期辅助诊断。近年来,磁共振成像、神经影像计算和计算机技术等的飞速发展为准确地绘制婴儿大脑的结构图谱进而研究其发育状态提供了极大的便利条件。本文论采用大样本量的纵向婴儿磁共振数据集（>900婴儿）,通过神经影像计算及机器学习等方法,基于婴儿大脑皮层的结构特征,对婴儿大脑早期发育的三个重要方面进行了研究:1)婴儿大脑主要的皮层折叠模式的研究;2)婴儿个体识别及个体差异研究;3)婴儿认知分数的预测研究。基于多视角的曲率特征和无监督学习探索婴儿大脑主要的皮层折叠模式。婴儿大脑的皮层折叠模式（Cortical Folding Patterns）具有显著的个体差异性。在大的样本范围下,一些脑区的皮层形态具有明显的多样性,存在几种主要的皮层折叠模式。探索不同脑区的皮层折叠模式,有助于我们了解健康婴儿的脑区形态。同时,一些神经发育障碍会导致大脑皮层折叠形态发生改变,因此加深对正常形...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：127 页
【学位级别】：博士
【部分图文】：
图１－１大脑皮层折香樸式的个体差异性图示
究表明，基于成人大脑的结构或者功能特征，如皮层或皮??层下结构的形态［５２，５３］、白质纤维束的形状［５４，５５］，以及功能连接［４４＞４９，５（），５６］，能够有效表征??个体间差异，从而能够可靠地实现个体识别［４４，５（Ｕ＼??然而上述研究都是集中在成人的个体识别上，目前为止，早期发育中的婴儿大脑皮层??是否可以可靠的实现个体识别，仍是一个亟待研究的问题。因为成人的大脑结构和功能??相对比较稳定，而婴儿的大脑皮层在出生后几年处会快速的生长发育，所以成人的方法??并不适用于婴儿。如图１－２所示，不同婴儿样本的大脑皮层折叠模式具有显著的差异，随??着时间的推移，尽管大脑体积增大了很多，但主要的折叠模式是保持稳定的。由此，我们??提出一个假设，基于婴儿大脑皮层的结构特征可以实现早期发育过程中的个体识别。探??究婴儿个体识别具有重要的神经科学意义，可以帮助我们了解：１）新生儿的大脑皮层，??是否具有足够的个体特异性，且能在动态变化的大脑早期发育中可靠地进行婴儿个体识??另１Ｊ；?２）婴儿大脑皮层的哪些区域能够表征更多的个体差异性，从而在个体识别中有更高??的贡献；３）婴儿双胞胎，尤其是同卵双胞胎，是否能够通过大脑皮层特征进行准确的识??另ｉｊ。由于婴儿大脑皮层特征在动态地发育变化，因而找到一种可靠的特征进行个体识别??就很具有挑战性。本论文是第一个尝试将婴儿大脑皮层结构特征用于个体识别并基于个??体识别进行大脑皮层个体差异性研究的工作。??Ｙｅａｒ?０?Ｙｅａｒ?〗?Ｙｅａｒ?２??图１－２两个婴儿样本分别在刚出生，１岁和２岁三个时间点的大脑皮层图示。图中，皮层表面的颜??色表示平均曲率，其中，红色表示脑沟，蓝色表示脑回
浙江大学博士学位论文?婴儿脑磁共振图像处理??１）?ＭＲ图像预处理，包括头动校正，头骨、小脑及脑干的去除，灰度不均匀校正，图像??刚性配准，灰质、白质及脑脊液的组织分割（如图２－２?（ｃ））；?２）皮层表面重建，包括给??非皮层结构施加掩模（Ｍａｓｋ）并进行填充，大脑左右半球分离（如图２－２?（ｄ）），拓扑错??误校正（如图２－２（ｅ）），皮层内表面重建（如图２－２（ｆ）），皮层外表面重建（如图２－２（ｇ）），??以及皮层表面各种特征的计算；３）皮层表面配准，包括球面映射（Ｓｐｈｅｒｉｃａｌ?Ｍａｐｐｉｎｇ）??（如图２－２?（ｈ）），纵向（Ｌｏｎｇｉｔｕｄｉｎａｌ）的及基于组水平的皮层表面的配准（如图２－２（ｉ）），??与常用脑区解剖摸板配准（如图２－２?（ｊ）），皮层表面重采样及各种皮层特征的重采样（如??图２－２?（ｋ））。下面的章节将简单介绍图像处理中的几个主要步骤。??ＭＲ图像预处理?皮层表面重建?皮层表面配准??（１）头动校正?（１）非皮层结构掩模填充及?（１）球面映射??（２）头骨去除，小脑以及脑?１＝＞?左右半球分离?（２）纵向及组水平皮层表面??干去除?（２）拓扑校正?配准??（３）灰度不均匀校正?（３）皮层内表面重建?（３）皮层表面重采样及特征??（４）刚性对齐?（４）皮层外表面重建?重采样??（５）组织分割?（５）皮层特征计算??图２－１图像处理流程的三个主要阶段。??口?＿魏通??（ａ）?ＭＲ?ｉｍａｇｅ?（ｂ）?Ｐｒｅｐｒｏｃｅｓｓｉｎｇ?（ｃ）?Ｌｅａｒｎｉｎｇ－ｂａｓｅｄ?（ｄ）?Ｈｅｍｉｓｐｈｅｒｅ?（ｅ）?Ｌｅａｒｎｉｎｇ－ｂａｓｅｄ??ｔｉｓｓｕｅ?ｓｅｇｍｅｎ
本文编号：3585302
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：127 页
【学位级别】：博士
【部分图文】：
图１－１大脑皮层折香樸式的个体差异性图示
究表明，基于成人大脑的结构或者功能特征，如皮层或皮??层下结构的形态［５２，５３］、白质纤维束的形状［５４，５５］，以及功能连接［４４＞４９，５（），５６］，能够有效表征??个体间差异，从而能够可靠地实现个体识别［４４，５（Ｕ＼??然而上述研究都是集中在成人的个体识别上，目前为止，早期发育中的婴儿大脑皮层??是否可以可靠的实现个体识别，仍是一个亟待研究的问题。因为成人的大脑结构和功能??相对比较稳定，而婴儿的大脑皮层在出生后几年处会快速的生长发育，所以成人的方法??并不适用于婴儿。如图１－２所示，不同婴儿样本的大脑皮层折叠模式具有显著的差异，随??着时间的推移，尽管大脑体积增大了很多，但主要的折叠模式是保持稳定的。由此，我们??提出一个假设，基于婴儿大脑皮层的结构特征可以实现早期发育过程中的个体识别。探??究婴儿个体识别具有重要的神经科学意义，可以帮助我们了解：１）新生儿的大脑皮层，??是否具有足够的个体特异性，且能在动态变化的大脑早期发育中可靠地进行婴儿个体识??另１Ｊ；?２）婴儿大脑皮层的哪些区域能够表征更多的个体差异性，从而在个体识别中有更高??的贡献；３）婴儿双胞胎，尤其是同卵双胞胎，是否能够通过大脑皮层特征进行准确的识??另ｉｊ。由于婴儿大脑皮层特征在动态地发育变化，因而找到一种可靠的特征进行个体识别??就很具有挑战性。本论文是第一个尝试将婴儿大脑皮层结构特征用于个体识别并基于个??体识别进行大脑皮层个体差异性研究的工作。??Ｙｅａｒ?０?Ｙｅａｒ?〗?Ｙｅａｒ?２??图１－２两个婴儿样本分别在刚出生，１岁和２岁三个时间点的大脑皮层图示。图中，皮层表面的颜??色表示平均曲率，其中，红色表示脑沟，蓝色表示脑回
浙江大学博士学位论文?婴儿脑磁共振图像处理??１）?ＭＲ图像预处理，包括头动校正，头骨、小脑及脑干的去除，灰度不均匀校正，图像??刚性配准，灰质、白质及脑脊液的组织分割（如图２－２?（ｃ））；?２）皮层表面重建，包括给??非皮层结构施加掩模（Ｍａｓｋ）并进行填充，大脑左右半球分离（如图２－２?（ｄ）），拓扑错??误校正（如图２－２（ｅ）），皮层内表面重建（如图２－２（ｆ）），皮层外表面重建（如图２－２（ｇ）），??以及皮层表面各种特征的计算；３）皮层表面配准，包括球面映射（Ｓｐｈｅｒｉｃａｌ?Ｍａｐｐｉｎｇ）??（如图２－２?（ｈ）），纵向（Ｌｏｎｇｉｔｕｄｉｎａｌ）的及基于组水平的皮层表面的配准（如图２－２（ｉ）），??与常用脑区解剖摸板配准（如图２－２?（ｊ）），皮层表面重采样及各种皮层特征的重采样（如??图２－２?（ｋ））。下面的章节将简单介绍图像处理中的几个主要步骤。??ＭＲ图像预处理?皮层表面重建?皮层表面配准??（１）头动校正?（１）非皮层结构掩模填充及?（１）球面映射??（２）头骨去除，小脑以及脑?１＝＞?左右半球分离?（２）纵向及组水平皮层表面??干去除?（２）拓扑校正?配准??（３）灰度不均匀校正?（３）皮层内表面重建?（３）皮层表面重采样及特征??（４）刚性对齐?（４）皮层外表面重建?重采样??（５）组织分割?（５）皮层特征计算??图２－１图像处理流程的三个主要阶段。??口?＿魏通??（ａ）?ＭＲ?ｉｍａｇｅ?（ｂ）?Ｐｒｅｐｒｏｃｅｓｓｉｎｇ?（ｃ）?Ｌｅａｒｎｉｎｇ－ｂａｓｅｄ?（ｄ）?Ｈｅｍｉｓｐｈｅｒｅ?（ｅ）?Ｌｅａｒｎｉｎｇ－ｂａｓｅｄ??ｔｉｓｓｕｅ?ｓｅｇｍｅｎ
本文编号：3585302
本文链接：https://www.wllwen.com/shoufeilunwen/yxlbs/3585302.html
教材专著
