基于fMRI动态功能网络的智商个体差异研究

发布时间：2020-04-08 18:25

【摘要】：智商作为个体认知及相关神经系统疾病判断的重要生理参数,一直是认知神经科学领域关注的热点。静息态功能磁共振成像(fMRI)是研究人脑功能的重要技术之一,对脑功能网络的动态属性进行分析是目前脑功能研究的热点。目前绝大多数关于智商个体差异的研究是基于时间平稳性假设,忽略了不同脑区间功能连接的动态变化。本研究分析了动态功能连接网络与智商间的关系。具体地,基于97名健康儿童fMRI数据,本文开展了如下三个方面的研究:(1)脑网络动态属性与智商关系研究。本研究从两方面分析人脑功能网络的动态属性与智商间关系,一是功能网络状态(state)之间的动态切换;二是功能连接时间序列的动态波动。实验结果表明,儿童部分动态功能网络的状态停留时间与智商有一定的相关关系;另外,发现部分脑区之间的动态功能连接的动态波动与智商有显著相关关系,这一结果为后续开展基于动态功能连接特征的智商预测研究提供了重要基础。(2)基于动态功能连接特征的儿童智商预测研究。考虑从特征和算法角度拓展预测模型,提取时域、频域共四种动态功能连接特征,并通过多种回归算法开展儿童智商预测研究。实验结果表明,部分动态功能连接特征(基于动态功能连接的时窗波动均值(DFC_Mean)特征及特定频段(0.075-0.1Hz)的频域特征(FFT_Feature))能够对智商实现较好预测;且最小角回归算法与时域特征的组合预测结果最佳(预测值和真实值的相关系数R=0.54),超过前人基于动态功能连接特征的智商预测结果(R=0.42)。(3)基于多视角学习的智商评估。由于动态特征和静态特征都对智商预测有贡献,多视角学习可以用于融合不同特征间的互补信息,我们率先引入多视角学习方法开展个体智商预测研究。实验结果表明,基于功能连接的静态和动态特征的多视角学习方法最优预测结果未能超过单视角预测结果,分析原因可能在于静态和动态特征都是基于fMRI数据提取的,特征之间的互补性有限。本研究的创新性在于:(1)从动态功能连接角度对智商个体差异开展研究;(2)在充分分析了基于动态功能连接的多种时域特征的预测效果之外,率先引入动态功能连接的频域特征,开展智商预测研究;(3)引入适用于高维小样本数据的最小角回归算法,并取得较好预测结果;(4)引入多视角学习方法,从特征融合角度为个体智商评估研究提供新思路。
【图文】：

状态转换图,状态转换,情况,智商

基于Ｄｏｓｅｎｂａｃｈ的ＲＯＩ定义，列出了这１０个特征在大脑中的生理位置，逡逑ＲＯＩ名称和所属网络等信息，结果见表２－３。将这１０个ＲＯＩｓ用ＢｒａｉｎＮｅｔＶｉｅｗｅｒ软逡逑件进行可视化表示，结果见图２－４。图中每个点代表与智商显著相关的脑部节点位逡逑置，不同颜色属于不同网络，节点的大小表示相关性的大小。逡逑表２－３邋ＲＯＩ＿Ｍｅａｎ中与智商显著相关的１０个ＲＯＩｓ逡逑逦Ｔａｂ．２－３邋１０邋ｓｉｇｎｉｆｉｃａｎｔ邋ＲＯＩｓ邋ｏｆ邋ＲＯＩ邋Ｍｅａｎ．逡逑ＭＮＩ坐标逡逑ＲＯＩ编号逦贡献逦ＲＯＩ名称逦所属网络逡逑ｘ逦ｙ逦ｚ逡逑ＲＯ！＿６８逦－４８逦６逦１逦－０．２２逦腹侧额皮质邋ｖＦＣ逦ＳＭＮ逡逑ＲＯＪ邋７３逦３２逦－１２逦２逦－０．２５逦中脑叶邋ｍｉｄｉｎｓｕｌａ逦ＤＭＮ逡逑ＲＯＪ邋８２逦４３逦－４３逦８逦－０．２１逦颞回邋ｔｅｍｐｏｒａｌ逦ＳＭＮ逡逑ＲＯＩ邋１０５逦５９逦－１３逦８逦－０．２６逦颞回邋ｔｅｍｐｏｒａｌ逦ＤＭＮ逡逑ＲＯＩ＿１１７逦－４１逦

智商,显著相关,脑部,相关性

４个ＲＯＩ，基于Ｄｏｓｅｎｂａｃｈ的ＲＯＩ定义，，列出了这４个特征在大脑中的生理位置，逡逑ＲＯＩ名称和所属网络等信息，结果见表２－４。将这１０个ＲＯＩｓ用ＢｒａｉｎＮｅｔＶｉｅｗｅｒ软逡逑件进行可视化表示，结果见图２－５。图中每个点代表与智商显著相关的脑部节点位逡逑置，不同颜色属于不同网络，节点的大小表示相关性的大小。逡逑表２－４邋ＲＯＩ＿ＭｅａｎＡｂｓ中与智商显著相关的４个脑部节点逡逑Ｔａｂ．２－４邋４邋ｓｉｇｎｉｆｉｃａｎｔ邋ＲＯＩｓ邋ｏｆ邋ＲＯＩ邋ＭｅａｎＡｂｓ．逡逑ＭＮＩ坐标逡逑ＲＯ丨编号逦贡献逦ＲＯＩ名称逦所属网络逡逑ｘ逦ｙ邋ｚ逡逑ＲＯＩ邋ｌ邋１逦－１６逦２９逦５４逦－０．２１逦上顶叶邋ｓｕｐｆｒｏｎｔａｌ逦ＤＭＮ逡逑ＲＯＩ邋１１７逦－４１逦－３１逦４８逦－０．２６逦后顶骨逦ｐｏｓｔｐａｒｉｅｔａｌ逦ＤＭＮ逡逑ＲＯＩ邋１２５逦－４４逦－６３逦－７逦－０．２２逦枕叶逦ｏｃｃｉｐｉｔａｌ逦ＤＭＮ逡逑ＲＯＩ＿１３４逦－３７逦－８３逦－２逦－０．２０逦后顶骨逦ｐｏｓｔｏｃｃｉｐｉｔａｌ逦ＤＭＮ逡逑１８逡逑
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP181;R445.2;R338

【参考文献】