功能磁共振成像数据的多类模式分析

发布时间：2021-04-17 14:16

　　静息功能磁共振成像数据中蕴含了丰富的神经活动信息，为脑科学的研究奠定了坚实的基础。利用模式分析方法进行静息磁共振成像数据的分析和研究已经成脑科学研究的重要方向之一。静息功能磁共振成像所含信息量大，且无需复杂的实验设计，操作简单，也不需要参与者执行任何复杂的认知任务，已被广泛应用于脑科学的研究中。然而神经活动本身所引起的血氧浓度变化是非常微弱的，所关注的神经信号往往混杂在仪器噪声、生理等噪声中，甚至可能被这些噪声所淹没，实际得到的图像数据信噪比往往非常低。因此，如何从众多复杂的信息中提取所关注的有效信息一直是静息功能磁共振成像数据分析和研究的难点之一。利用模式识别方法对静息功能磁共振成像进行生理和病理的分析与研究越来越受到研究者们的青睐，并取得了卓有成效的研究结果。以往这方面的研究主要关注的是两类问题的模式分析，而随着研究的不断深入，磁共振成像数据的多类模式分析的重要性日益凸显。在诸如精神分裂症的遗传特性研究等问题中，多类问题引起了研究者的广泛关注。本文致力于静息功能磁共振成像数据的多类模式分析问题，期望进一步挖掘静息磁共振成像数据所蕴含的丰富的神经活动信息，同时在静息功能磁共振成像数据... 

【文章来源】：国防科技大学湖南省 211工程院校 985工程院校

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题来源与背景
    1.2 核磁共振成像技术概述
        1.2.1 磁共振原理
        1.2.2 功能磁共振成像
        1.2.3 静息功能磁共振成像
    1.3 国内外研究现状及发展趋势
        1.3.1 功能磁共振成像数据的研究方法
        1.3.2 模式识别技术的研究现状及发展趋势
        1.3.3 模式识别方法在磁共振成像数据研究中的应用
    1.4 本课题研究意义
    1.5 本文研究的主要内容及文章结构概述
第二章 研究方法概述
    2.1 主成分分析方法
        2.1.1 主成分分析原理
        2.1.2 主成分分析的计算步骤
    2.2 多流形内蕴判别分析方法
    2.3 支持向量机
        2.3.1 线性可分的情况下的 SVM
        2.3.2 线性不可分的情况下的 SVM
    2.4 成组独立成分分析
第三章 基于主成分分析的 rs-fMRI 多类模式分析
    3.1 磁共振成像数据采集与预处理
        3.1.1 被试描述
        3.1.2 静息功能像数据采集
        3.1.3 静息功能像数据的预处理
    3.2 基于 PCA 的多类模式分析
        3.2.1 静息功能连接
        3.2.2 静息功能连接特征的多类模式分析
        3.2.3 多类模式分析结果与讨论
    3.3 本章小结
第四章 基于内蕴判别分析的 rs-fMRI 多类模式分析
    4.1 功能磁共振成像数据与预处理
        4.1.1 被试描述
        4.1.2 静息功能像采集及预处理
    4.2 基于 IDA 的多类模式分析
        4.2.1 算法简述
        4.2.2 多类模式分析结果与讨论
    4.3 本章小结
第五章 基于 Group ICA 的 rs-fMRI 模式分析
    5.1 成组独立成分提取
    5.2 成组独立成分特征的多类模式分析
第六章 总结与展望
    6.1 工作总结
    6.2 研究中存在的不足
    6.3 未来工作展望
致谢
参考文献
作者在学期间取得的学术成果


【参考文献】：
期刊论文
[1]大脑fMRI数据时/空模式综合分析的一种新方法[J]. 刘亚东,周宗潭,胡德文,颜莉蓉,谭长连,吴大兴,姚树桥.  中国科学E辑:信息科学. 2004(10)
[2]关于统计学习理论与支持向量机[J]. 张学工.  自动化学报. 2000(01)

博士论文
[1]脑功能磁共振数据时空分析方法研究[D]. 颜莉蓉.国防科学技术大学 2006

硕士论文
[1]脑功能网络的成组独立成分分析[D]. 李繁.国防科学技术大学 2009



本文编号：3143595