fMRI数据分析方法研究

发布时间：2017-04-27 12:06

  本文关键词：fMRI数据分析方法研究，，由笔耕文化传播整理发布。

【摘要】：从上个世纪九十年代以来,脑功能成像技术得到了广泛应用和长足发展。脑功能成像技术最大的优点就是无损伤,可以直接对人脑进行反复的非侵入性观察测量。不同的功能成像技术各有其优缺点,其中功能磁共振成像技术以其高空间分辨率的特点在人脑功能研究领域占据了重要的地位。针对不同的实验目的,通过改变多种实验条件,用功能磁共振成像技术对许多生理和生物物理参数进行测量,获得了十分丰富的实验数据。只有通过对这些数据进行分析,从大量噪声中提取感兴趣的信息,揭示出其中的规律,才能真正达到对人脑功能研究的目的。 对功能磁共振数据的分析有两类方法:数据驱动分析法和模型驱动分析法。本论文在对功能磁共振数据的特点进行研究的基础上,对这两类数据分析方法都分别进行了研究,发展了系统聚类法和广义线性模型法。对系统聚类法的发展包括两点:首先,把符合生理事实的邻域相关理论用于数据预处理,极大地降低了数据维数,提高了数据的信噪比,突破了传统系统聚类法计算量大、计算速度慢、要求存储空间大的限制,使这一方法得以应用于fMRI 数据分析;其次,为了充分考虑fMRI 数据的时空信息特性,提出了一种新的时空距离量度,从而发展了系统聚类分析方法,并在仿真和真实的实验数据处理中都取得了较好的效果。 在分析广义线性模型的基本原理的基础上,结合功能BOLD 响应的特点,提出了一个新的动力学响应函数,扩展了广义线性模型,应用于实际功能磁共振视觉刺激的数据处理,取得了与生理事实相一致的结果,从而验证了该方法的有效性。 SPM 软件是广泛应用于fMRI 数据分析的一个通用软件。本论文对该软件的基本原理和应用进行了探讨,并用该软件处理了一批冲突效应(stroop)数据,对处理结果进行了分析,结果表明stroop 效应主要在前额叶,顶枕区和扣带回区域。　　　
【关键词】：功能磁共振成像 聚类分析 邻域相关 时空距离量度 统计分析
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2005
【分类号】：R318
【目录】：

• 中文摘要4-5
• ABSTRACT5-10
• 第一章 引言10-20
• 1.1 人脑的基本生理结构11
• 1.2 脑功能成像技术11-14
• 1.2.1 脑功能成像技术11-12
• 1.2.2 脑功能成像技术的优势与不足12-13
• 1.2.3 三类研究脑的方法13-14
• 1.3 功能磁共振成像技术的发展及研究应用14-18
• 1.3.1 功能磁共振成像的应用研究15-16
• 1.3.2 功能磁共振成像特点16
• 1.3.3 脑功能磁共振成像信号特征16-18
• 1.4 功能磁共振数据处理方法18
• 1.5 本文所要解决的问题18
• 1.6 全文的结构安排18-20
• 第二章 对功能磁共振成像(FMRI)数据的聚类分析20-35
• 2.1 数据驱动方法(data-driven)21-26
• 2.1.1 主成分分析(PCA, principle component analysis )基本原理21-22
• 2.1.2 独立成分分析(ICA, independent component analysis)基本原理22-23
• 2.1.3 聚类分析(CA,clustering analysis)基本原理及算法23-26
• 2.2 一种新的系统聚类分析(HCA, hierarchical clustering analysis)26-27
• 2.2.1 预处理  邻域相关26-27
• 2.2.2 时空量度27
• 2.3 数据获取和数据处理27-29
• 2.3.1 构造仿真数据27-28
• 2.3.2 实验模式28-29
• 2.3.3 实验数据检测29
• 2.3.4 数据处理29
• 2.4 结果29-32
• 2.4.1 仿真结果29-31
• 2.4.1.1 邻域相关预处理结果29-30
• 2.4.1.2 系统聚类结果30-31
• 2.4.2 视觉fMRI 实验数据系统聚类结果31-32
• 2.5 讨论32-34
• 2.5.1 仿真结果32-33
• 2.5.2 视觉fMRI 实验结果33-34
• 2.5.3 动力学响应差异34
• 2.6 结论34-35
• 第三章 基于动力学特性的FMRI的广义线性模型35-42
• 3.1 引言35
• 3.2 基本原理35-38
• 3.2.1 广义线性模型理论35-37
• 3.2.2 动力学卷积模型37-38
• 3.3 fMRI 的数据分析38-40
• 3.3.1 数据描述38
• 3.3.2 处理过程38-40
• 3.4 处理结果40-42
• 3.4.1 SPM 结果40
• 3.4.2 动力学卷积模型结果40-42
• 第四章 SPM软件基本原理及一组实验数据的处理结果42-55
• 4.1 SPM 解析过程及其原理概述42-48
• 4.1.1 空间预处理42-45
• 4.1.1.1 脑图像配准43-44
• 4.1.1.2 图像平滑44
• 4.1.1.3 脑整体血流量效应的消除44-45
• 4.1.2 统计参数映射45-48
• 4.1.2.1 广义线性模型46
• 4.1.2.2 统计推理和高斯随机场理论46-47
• 4.1.2.3 受解剖约束的假设47-48
• 4.1.2.4 没有解剖约束的假设和推理的水平48
• 4.2 用SPM 软件处理一组实验数据48-55
• 4.2.1 实验背景48-49
• 4.2.2 数据处理49-50
• 4.2.2.1 模型设计49
• 4.2.2.2 数据输入49
• 4.2.2.3 浏览设计的模型49
• 4.2.2.4 参数估计49-50
• 4.2.3 结果评价50-55
• 第五章 结论和展望55-56
• 5.1 本论文工作总结55
• 5.2 对今后工作的展望55-56
• 参考文献56-60
• 致谢60-61
• 个人简历及研究生期间的研究成果61

【引证文献】

中国期刊全文数据库 前3条

1 冯宝;刘晓刚;;基于字典稀疏性的脑图像数据盲分离方法[J];计算机工程;2015年12期

2 冯宝;刘晓刚;;基于先验信息的脑图像数据信息提取算法[J];计算机工程;2015年09期

3 冯宝;秦传波;;基于凸优化的脑图像数据盲信号分离算法[J];计算机工程;2015年08期

中国重要会议论文全文数据库 前1条

1 吕卓;谢松云;赵金;赵海涛;;基于SVM的手部运动fMRI图像分类方法研究[A];中国生物医学工程学会成立30周年纪念大会暨2010中国生物医学工程学会学术大会青年优秀论文[C];2010年

中国博士学位论文全文数据库 前1条

1 冯宝;基于凸分析与优化的功能核磁共振成像数分析方法研究[D];华南理工大学;2014年

中国硕士学位论文全文数据库 前10条

1 梁晓罡;面向图像认知的fMRI数据的群组分析研究[D];大连海事大学;2015年

2 田甜;基于层次随机图模型的复杂脑网络链路预测研究[D];太原理工大学;2015年

3 张兵;基于体素的fMRI数据分类研究及其应用[D];太原理工大学;2014年

4 朱月o

本文编号：330567