论文部分内容阅读
随着轻度认知功能障碍诊疗,如抑郁、帕金森、阿尔茨海默病等领域研究的逐步深入,数据挖掘在脑功能认知数据分析中,尤其在多属性分析、功能认知模式分析等领域,扮演着重要角色。在进行fMRI数据分析的过程中发现,轻度认知功能障碍诊疗数据分析中存在两个潜在的问题,即脑激活区提取中的延迟问题与提取功能连通模式的可靠性问题。首先,在提取功能认知实验的脑激活区中,当功能认知任务刺激信号与血液动力学响应信号之间在多个被试中存在不特定延迟的时候,提取的脑激活区域的准确性下降问题。另一方面,由于静息态实验可执行性高,轻度功能认知障碍诊疗的研究热点近年来逐渐集中于静息态数据,并且发现功能连通模式是一种有效的诊断评价特征。若当静息态数据不服从分析模型假设时,存在所提取的功能连通模式的可靠性会降低的问题。本文深入研究了 fMRI数据处理方法在上述情况下存在的潜在问题,结合数据挖掘与统计学方面的相关思想,并在与医生进行充分沟通的前提下,进行了大量结合实际的仿真研究。主要工作包括:针对脑激活提取中的延迟问题,发现通过频域特征可提高fMRI数据处理结果中提取脑激活区的准确性。针对提取功能连通模式的可靠性问题和大规模脑功能网络,则利用基于三元环的复合结构相似性理论改善了 fMRI数据处理中提取的功能连通模式的准确性与鲁棒性。为了进一步提高所提取的功能连通模式的可靠性,在小规模脑功能网络中,提出基于k完全子图特征的结构聚类方法。主要创新点如下:(1)提出基于空间仿射度量的fMRI时间序列脑激活区域提取算法。该算法是一个可以从fMRI血氧水平依赖信号中提取脑激活区的数据挖掘算法,通过结合频域特征与时域特征的特性,可以在功能认知任务刺激信号与血液动力学响应信号之间存在不特定延迟时,获得更准确的脑激活区。24名被试的fMRI数据测试以及受试者工作特征曲线定量分析结果显示,使用该算法提取的脑激活区准确性优于以往基于GLM提取的脑激活区准确性。(2)提出基于拓扑结构相似度与三元环的fMRI拓扑网络功能连通模式提取算法。该算法是一种从脑功能连通性网络中提取功能连通模式的无监督聚类算法,其中聚类结果中的簇即为功能连通模式,结合拓扑结构相似性与三元环拓扑结构特征,在保留了结构相似性特征所具有的聚类结果特性的基础上,利用三元环拓扑结构对其边界进行优化,降低聚类结果中的离群点的伪阳性率。利用仿真拓扑网络进行的实验研究结果表明,本文所提算法与以往基于SCAN研究相比,在适用于大规模脑功能连通性网络的同时,聚类结果的准确度优于以往的方法。(3)提出基于k完全子图特征的fMRI拓扑网络功能连通模式提取算法。该算法是一种以功能连通模式自身为特征的无监督聚类算法,主要面向fMRI功能连通模式提取。本文利用图论和计算理论等相关手段,改善了传统完全子图因为计算量极大而难以应用到现实数据当中的情况。使得基于k完全子图特征的结构聚类方法在计算成本上可行。利用仿真拓扑网络进行的实验表明,基于k完全子图的结构聚类算法无论是聚类准确度还是鲁棒性均优于传统的SCAN结构聚类算法。面向静息态功能连通性网络的功能连通模式提取实验结果表明,利用基于k完全子图的结构聚类算法提取的脑网络功能连通模式结果与以往的研究相互印证,这意味着通过该算法提取的功能连通模式对于轻度认知功能障碍诊断是一个有效的特征。基于k完全子图的结构聚类算法是一个聚类结果准确、鲁棒性高的方法,并且对于轻度认知功能障碍诊疗,可用于服从复杂网络特性的脑功能网络分析。论文主要研究面向fMRI功能认知影像的数据处理方法。针对轻度认知功能障碍诊断过程中遇到的实际问题,本文提出的算法提高所分析问题数据处理结果的准确性与鲁棒性,通过利用这些算法诊断过程的可操作性与可信性会得到进一步提升,对轻度认知功能障碍的诊疗具有现实的研究价值与意义。