基于正则化框架的脑网络构建与应用研究
发布时间：2020-07-28 22:19
【摘要】：近年来,大量研究表明,脑网络在结构和功能上具有一定的拓扑结构和组织特征,并能够提供稳定的生物标记,这为人们理解大脑机制提供了新的视角。因此,针对脑网络的研究吸引了大量学者的研究兴趣。目前功能性脑网络(functional brain network,FBN)已经成为探索大脑工作机制和挖掘信息生物标记以协助诊断某些神经性疾病的重要手段(如帕金森症(Parkinson's disease,PD)、自闭症(autism spectrum disease,ASD)以及阿尔兹海默症(Alzheimer's disease,AD))。尽管目前脑网络的研究工作已经取得大量进展,但脑网络模型仍然存在可扩展性低、可解释性差及无法有效利用先验信息等缺点。为解决现有脑网络模型存在的问题,本文基于正则化框架,对现有脑网络模型进行改进。通过正则化框架中的数据拟合项和正则项分别对脑网络的统计特性以及生理先验进行建模,尝试从新的角度提出一个稳定、系统的脑网络建模框架。在此框架基础上,本文的主要工作和创新之处如下:(1)将传统基于Pearson相关的脑网络建模方法重新构造成一个新的优化模型,并将其引入到正则化框架中,从而极大的扩展了Pearson方法的模型空间。并且利用脑网络的稀疏性和无标度性作为先验知识,将其转化为对应的正则项,以此作为一个简单尝试引入到模型中,从而得到了具有稀疏性和无标度性的脑网络。(2)将数据中的噪声假设进行建模并转化为脑网络模型中的正则项。通过这种方式提出了一种与脑网络相关的核磁数据清洗方法。这种新的模型能够在构建脑网络的同时,有效的剔除潜在的数据噪声点。通过实验发现,去除的噪声点与一些特殊的静息状态显著相关。(3)将模型扩展到张量空间,通过张量正则化的形式,引入脑网络的组约束信息。利用张量的低秩正则化作为简单尝试,来逼近组内脑网络的相似性先验信息。并通过PARAFAC分解求解张量的低秩正则化,得到具有组约束的脑网络。为进一步验证本文所构建的脑网络模型,将其用于神经性疾病的预测和诊断,同时为了避免特征提取和分类器给分类诊断结果带来的混淆效应,本文全部采用最简单的特征提取以及分类器训练分类模型。实验结果发现,通过正则化框架,能够有效的引入先验信息,对构建的脑网络进行约束。这种先验信息的引入,能够提高脑网络对神经性疾病的辨识性。本文模型构建的脑网络模型在精度、灵敏性和特异性几个指标中均较传统方法有很大的提升。
【学位授予单位】：重庆交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R318
【图文】：
而目前的工作大多都只注重在稀疏或者低秩先验。文研究内容和目标主要针对基于正则化框架的脑网络建模进行研究，并针对脑网络目进行了思考，并尝试解决以上问题。首先，通过正则化框架可以加入约束信息来有效的避免数据噪声对构建的脑网络的影响。因此，可以图的技巧运用到图的投影矩阵正则化，从而指导构建更鲁棒的脑网其他如在解剖或者其他一些手段所得到脑网络存在很多结构上的先性”，“模块性”，“无标度性”，“Hub 特性”，以及一些功能先验信息[3验信息转化为合适的正则项，引入脑网络模型。另外，基于正则项框型能够很好的将一些拓扑结构以及一些生理信息引入到脑网络的构地挖掘和研究脑网络的连接模式。在本文中，主要针对脑网络模型的使用了较为常用的 fMRI 数据作为构建脑网络的数据来源，同时为了，本文只针对大尺度的脑网络进行构建，即构建脑区或者兴趣区之间络。本文的研究方案如图 1 所示：
图 2 核磁共振信号产生机制，来源：Jorge Jovicich过程中，图像有四个最基本的参数为回波时间(T视野大小。回波时间是指给定脉冲刺激后，收指扫描一个完整的大脑成像所需要的时间；体辨率，决定了扫描的清晰程度；视野大小也就是是一个完整大脑还是部分大脑。一般的，体素越体素尺寸下，每个体素中的信号量显著降低，相对于数据中整体噪声波动量的变化量减少。会增加八倍的信噪比。因此 3T 的扫描仪通常采小与我们的任务设计有关，取决我们的任务是 interest ROI)。TR 由空间分辨率决定，分辨率分辨率和空间分辨率成反比关系，因此需要在层扫描，因此有扫描层数和扫描顺序两个参数
回波时间是指给定脉冲刺激后扫描一个完整的大脑成像所需要的时间，决定了扫描的清晰程度；视野大小也个完整大脑还是部分大脑。一般的，体素尺寸下，每个体素中的信号量显著降于数据中整体噪声波动量的变化量减加八倍的信噪比。因此 3T 的扫描仪通与我们的任务设计有关，取决我们的任rest ROI)。TR 由空间分辨率决定，分辨辨率和空间分辨率成反比关系，因此需扫描，因此有扫描层数和扫描顺序两个要多少次，扫描顺序是指对大脑扫描的因此一般采取隔层扫描的策略即先扫描
本文编号：2773514
【学位授予单位】：重庆交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R318
【图文】：
而目前的工作大多都只注重在稀疏或者低秩先验。文研究内容和目标主要针对基于正则化框架的脑网络建模进行研究，并针对脑网络目进行了思考，并尝试解决以上问题。首先，通过正则化框架可以加入约束信息来有效的避免数据噪声对构建的脑网络的影响。因此，可以图的技巧运用到图的投影矩阵正则化，从而指导构建更鲁棒的脑网其他如在解剖或者其他一些手段所得到脑网络存在很多结构上的先性”，“模块性”，“无标度性”，“Hub 特性”，以及一些功能先验信息[3验信息转化为合适的正则项，引入脑网络模型。另外，基于正则项框型能够很好的将一些拓扑结构以及一些生理信息引入到脑网络的构地挖掘和研究脑网络的连接模式。在本文中，主要针对脑网络模型的使用了较为常用的 fMRI 数据作为构建脑网络的数据来源，同时为了，本文只针对大尺度的脑网络进行构建，即构建脑区或者兴趣区之间络。本文的研究方案如图 1 所示：
图 2 核磁共振信号产生机制，来源：Jorge Jovicich过程中，图像有四个最基本的参数为回波时间(T视野大小。回波时间是指给定脉冲刺激后，收指扫描一个完整的大脑成像所需要的时间；体辨率，决定了扫描的清晰程度；视野大小也就是是一个完整大脑还是部分大脑。一般的，体素越体素尺寸下，每个体素中的信号量显著降低，相对于数据中整体噪声波动量的变化量减少。会增加八倍的信噪比。因此 3T 的扫描仪通常采小与我们的任务设计有关，取决我们的任务是 interest ROI)。TR 由空间分辨率决定，分辨率分辨率和空间分辨率成反比关系，因此需要在层扫描，因此有扫描层数和扫描顺序两个参数
回波时间是指给定脉冲刺激后扫描一个完整的大脑成像所需要的时间，决定了扫描的清晰程度；视野大小也个完整大脑还是部分大脑。一般的，体素尺寸下，每个体素中的信号量显著降于数据中整体噪声波动量的变化量减加八倍的信噪比。因此 3T 的扫描仪通与我们的任务设计有关，取决我们的任rest ROI)。TR 由空间分辨率决定，分辨辨率和空间分辨率成反比关系，因此需扫描，因此有扫描层数和扫描顺序两个要多少次，扫描顺序是指对大脑扫描的因此一般采取隔层扫描的策略即先扫描
【参考文献】
中国期刊全文数据库 前3条
1 张道强;接标;;基于机器学习的脑网络分析方法及应用[J];数据采集与处理;2015年01期
2 郭浩;李越;刘志芬;曹晓华;陈俊杰;;抑郁症复杂脑网络社团结构差异分析及分类研究[J];计算机工程与设计;2013年08期
3 马园园;郑罡;周洁敏;张志强;钟元;卢光明;;基于fMRI的脑功能整合数据分析方法综述[J];生物物理学报;2011年01期
本文编号：2773514
本文链接：https://www.wllwen.com/yixuelunwen/swyx/2773514.html
