基于功能磁共振成像的大脑响应模式检测算法研究

发布时间：2022-02-22 01:01

　　大脑控制着人体与外界环境的信息交互及认知活动,掌管着感知、思维、记忆等高级活动。对大脑组织功能的探索是近年来研究的热点与挑战。传统研究方法通常使用间接手段观测大脑的活动状态,并且依赖血液动力学响应函数等模型假设或其他数学、统计学假设进行分析研究,对大脑响应过程的研究仍存在局限性;此外,大脑神经元数量众多,扫描采集数据量巨大,常依赖感兴趣脑区、数据降采样等方法缩小数据规模,在全脑尺度对大脑响应活动进行建模是研究的难点。针对当前研究中存在的问题,本文基于任务态功能磁共振成像数据,将深度学习方法与传统机器学习方法相结合,在全脑体素信号上对大脑自然响应活动过程进行建模,研究了时间维度和空间维度上的大脑活动状态,提取出了精细的大脑功能网络及多样化的响应活动模式。针对大脑响应活动复杂、现有模型依赖于理论假设的问题,提出了一种深度循环神经网络模型,提取大脑自然响应过程中的功能网络和响应活动模式。该模型使用数据驱动的方法,不需要依赖理论响应模型的假设,从实验设计的任务刺激出发,对超过22万个体素的全脑信号进行直接建模,使用循环神经网络提取大脑时间序列中的动态依赖关系,使用全连接层构建大脑功能网络的空间... 

【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】：135 页

【学位级别】：博士

【文章目录】：
致谢
摘要
Abstract
主要术语和缩写对照表
1 绪论
    1.1 研究背景及意义
    1.2 功能磁共振成像概述
        1.2.1 磁共振成像原理
        1.2.2 血液动力学响应函数
    1.3 大脑响应模式研究方法
        1.3.1 研究信号基准
        1.3.2 传统分析方法
        1.3.3 深度学习方法
    1.4 实验数据集
        1.4.1 数据集任务设计
        1.4.2 大脑皮层功能区域
    1.5 主要研究内容和论文结构
        1.5.1 主要研究内容
        1.5.2 论文组织结构
2 基于深度循环神经网络的大脑功能响应活动研究
    2.1 引言
    2.2 研究对象与方法
        2.2.1 研究对象
        2.2.2 深度循环神经网络模型
        2.2.3 循环神经网络
        2.2.4 理论响应模型
    2.3 研究结果及分析
        2.3.1 模型训练
        2.3.2 经典大脑功能响应活动
        2.3.3 多时间尺度大脑功能响应活动
    2.4 讨论分析
        2.4.1 模型参数对深度循环神经网络的影响
    2.5 本章小结
3 基于有监督字典学习的大脑功能网络研究
    3.1 引言
    3.2 研究对象与方法
        3.2.1 研究对象
        3.2.2 有监督字典学习
        3.2.3 稀疏编码
    3.3 研究结果及分析
        3.3.1 数据驱动回归子
        3.3.2 多时间尺度大脑功能网络
        3.3.3 大脑自发活动网络
    3.4 讨论分析
        3.4.1 使用模型驱动的回归子
        3.4.2 模型参数对有监督字典学习的影响
    3.5 本章小结
4 基于深度循环自编码器的大脑响应模式研究
    4.1 引言
    4.2 研究对象与方法
        4.2.1 研究对象
        4.2.2 深度循环自编码器模型
        4.2.3 大脑动态响应模式预测
    4.3 研究结果及分析
        4.3.1 模型训练
        4.3.2 经典大脑功能网络
        4.3.3 大脑时序动态特征
        4.3.4 大脑动态响应模式
    4.4 讨论分析
        4.4.1 与现有研究方法的对比
        4.4.2 模型初始化对深度循环自编码器的影响
        4.4.3 模型参数对深度循环自编码器的影响
    4.5 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读博士学位期间主要研究成果



本文编号：3638369