时频域动态功能网络及其在癫痫的应用研究

发布时间：2020-06-17 01:37

【摘要】：有研究表明人类大脑的功能连接可能为动态的和时间依赖的,并与正在进行的有节律的活动有关。研究功能连接随时间变化的动态特征可能会更好的发现大脑网络的基本特性。目前时频域动态网络的构建算法主要采用小波变换,但是小波变换进行信号处理需要提前选取基函数,不是非线性非平稳信号分析的最优选择。然而,BOLD(Blood Oxygenation Level Dependent,血氧水平依赖)信号是非线性非平稳的。希尔伯特黄变换(Hilbert-Huang Transform,HHT)算法可以根据数据本身自适应生成基函数,避免提前选取不合适基函数产生的不准确结果。本文提出对功能核磁共振图像(functional Magnetic Resonance Imaging,fMRI)基于HHT算法构建时频域动态网络的新方法。并将这一方法应用于颞叶癫痫的时频域大脑动态网络分析研究。本文主要研究内容如下:1.实现基于HHT的fMRI动态网络构建方法。首先,对fMRI进行常规预处理;然后进行群组独立成分分析(Group Independent Component Analysis,GICA),提取强连接的大脑区域及其对应的时间序列;最后对时间序列进行后处理进一步降低噪声对动态网络的干扰。将后处理的时间序列由HHT中的经验模态分解(Empirical Mode Decomposition,EMD)算法分解,得到本征模态函数(Intrinsic Mode Function,IMF),然后用Hilbert变换将其映射到时频域上。接着,进行相干计算并构建时频域动态网络。本研究对HCP数据库中40例正常被试的静息态fMRI数据进行研究,研究发现HHT构建的时频域动态网络与小波变换构建的时频域动态网络一致性很高,且参数设置更加简洁,验证了HHT构建时频域动态网络的有效性。2.利用基于HHT的时频域动态网络构建方法分析颞叶癫痫的全脑功能连接模式。对癫痫患者和正常对照被试的fMRI数据按照HHT构建动态网络的流程构建时频域动态网络。基于携带频率和相位信息的动态网络连接状态,研究颞叶癫痫脑区连接异常和频率相位分布差异。本研究使用9例颞叶癫痫患者和11例正常被试的静息态fMRI数据,发现癫痫患者的时频域动态网络与正常被试对比存在明显差异。首先,GICA提取的脑区中癫痫患者有关认知的脑区明显较少,证明了癫痫发作确实损伤大脑认知功能。其次,癫痫患者与正常对照相比,海马和丘脑的功能连接也存在明显差异。最后,二者功能连接状态的频率和相位的分布也呈现出明显的不同。本研究提出并实现基于HHT构建时频域动态网络,其可以捕获大脑功能连接中的细节信息,呈现出更精确的网络连接模式,并且参数设置更简洁。本研究还将此方法应用于颞叶癫痫的时频域动态网络连接研究中,发现了颞叶癫痫在时频域动态网络中全脑连接的异常,为颞叶癫痫的病理机制研究和治疗药物研发提供依据。
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：O157.5;R742.1
【图文】：

时间序列,滑窗,功能连接

北京工业大学工学硕士学位论文功能连接中检测动态性最常用的方法是滑窗分析算法[21-24]。在这类方法中，固定长的时间窗被选定，窗内的数据点被用来计算感兴趣区域的功能连接矩阵，窗以固定数量时间点在时间序列上移动，这定义了连续窗重复的数量，如图 1-1。这个过程可以使扫描得到的时间序列的时间变化定量化。采用时间滑窗分析方法研究动态功能连接可以捕获潜在的功能连接。

时间序列,软件,空间图

北京工业大学工学硕士学位论文分。最后，通过聚类得到整合后的空间图。用 GICA1 后重建个体空间图和时间序列。将与生理、移动、伪影有关的 55 个空间图从空间图集中移除。剩余的 45个空间图被定义为固有连接网络 (intrinsic connectivity networks, ICNs)，用来进行后续的研究，具体参数设置，如图 3-2。上述空间图的选取依据为峰值激活区域在灰质，并与血管、心室、运动和伪迹的空间重叠最小，时间序列的频率范围主要集中在低频区域部分，如图 3-3。上述 GICA 分析参数设定参考 Maziar 等人的研究[37]。

【相似文献】