基于新型图核的脑网络相似性分析

发布时间：2021-02-12 18:32

　　随着脑影像和机器学习的发展,脑网络逐渐成为大脑研究的一个重要方式,在脑网络建模之后,利用机器学习技术对脑网络的分析方式多种多样。大脑的结构和功能复杂,信号处理繁杂多样,包含着大量的标签信息和结构化信息。在利用机器学习方法对脑网络进行分析时,如何将这些信息以一种合理的方式被机器所识别并用作特征向量,已成为脑网络研究的一个热点。本文对基于新型图核的脑网络相似性判别进行研究,主要完成了以下方面工作:第一,通过大量实验分析了已有图核在脑网络分类上的应用方法,对已有方法进行了比较、指出了各方法优势与不足;第二,提出了基于权重的脑网络各拓扑属性融合算法,更加全面地描述出脑网络的结构信息。本方法在真实的轻度认知障碍的脑网络判别数据集上的分类精度达到76.0%,相对于各单个特征的分类方法均有大幅度提高,相对于单一提取聚类系数、特征路径长度、节点的度以及原始数据作为特征向量的分类精度分别提升了 13.9%、15.7%、15.4%和6.6%;第三,提出了一种新型图核,其核心思想是:以脑网络的每个节点为中心,将该点和与该节点相关性最高的几个节点一起构建一个脑网络的子网络,使用判别性函数对各个子网络进行相似性... 

【文章来源】：天津工业大学天津市

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图１－２基于ＭＲＩ的结构性脑网络??

络描述了各个节点之间的因果关系，可以反映信息在大脑中的传播方向。??ｆｍｍ??图１－２基于ＭＲＩ的结构性脑网络??结构性脑网络是指神经元之间或者脑区与脑区之间的基于生理结构而构造??的脑网络，基于磁共振成像方式（Ｍａｇｎｅｔｉｃ?Ｒｅｓｏｎａｎｃｅ?Ｉｍａｇｉｎｇ，?ＭＲＩ）的结构性??脑网络图像，如图１－２所示。在结构性脑网络中，我们通常将大脑的神经元或一??部分脑区域作为网络中的节点，利用各个神经元或脑区域之间的神经突触的连接??将各个节点连接起来［８］。目前获取大脑中神经元或脑区域的物理空间位置以及它??们的连接情况的方式有以下几种：磁共振成像方式、基于弥散磁共振成像，其中??打弥敗张量成像间（Ｄｉｆｆｕｓｉｏｎ?Ｔｅｎｓｏｒ?Ｉｍａｇｉｎｇ，ＤＴＩ）以及弥散谱成像（Ｄｉｆｆｕｓｉｏｎ??Ｓｐｅｃｔｒｕｍ?Ｉｍａｇｉｎｇ，ＤＳＩ）；放射自显影技术（Ａｕｔｏｒａｄｉｏｇｒａｐｈ）；基于解剖学的方??法。尽管结构性脑网络的定义方式符合大脑物理结构的本质，有助于帮助理解大??脑内连接的基本架构

?全快捷地探索活体大脑在任务态或静息态时的工作机制以及结构特征。获得不同??模态（即不同获取图像形式）的脑图像后，对这些图像的处理流程大致如图１－４??所示，详见第三章。??图１＊４基于多种模态脑图像构建脑网络方式??脑电图是记录大脑电活动的非侵入式的监测方法，可以将大脑自发的电信号??记录，脑电波信号图，如图１－５所示。脑电图最常见应用于癫痫、深度昏迷、脑??病以及脑死亡等的诊断［１６］。在脑网络研宄方面

【参考文献】：
期刊论文
[1]图核函数研究现状与进展[J]. 白璐,徐立祥,崔丽欣,焦宇航,吴宇帆,潘云逸.  安徽大学学报(自然科学版). 2017(01)

硕士论文
[1]基于静息状态fMRI的ADHD复杂脑网络分析[D]. 冀鑫如.北京交通大学 2015



本文编号：3031281