【摘 要】
:
注意缺陷多动障碍(Attention-Deficit Hyperactivity Disorder,ADHD)是最常见的神经发育障碍之一。尽管症状通常开始于儿童时期,但有大部分的患者在成年期也会受到影响,表现出持续存在的社会功能问题、较低的学术成就和较高的精神问题风险。ADHD作为一种神经发育性疾病很难对其症状进行界定,但通常伴随着脑网络的改变,通过研究ADHD脑网络可以探索其发病机制。结构脑网络
论文部分内容阅读
注意缺陷多动障碍(Attention-Deficit Hyperactivity Disorder,ADHD)是最常见的神经发育障碍之一。尽管症状通常开始于儿童时期,但有大部分的患者在成年期也会受到影响,表现出持续存在的社会功能问题、较低的学术成就和较高的精神问题风险。ADHD作为一种神经发育性疾病很难对其症状进行界定,但通常伴随着脑网络的改变,通过研究ADHD脑网络可以探索其发病机制。结构脑网络可以描述大脑区域之间的物理连接,可以更加精确的对大脑网络进行研究。大脑结构很大程度上与心理过程和认知过程,包括记忆、学习、视觉和运动控制有关。结构脑网络的改变会影响人的认知行为能力,像一些脑疾病患者通常都伴随着结构脑网络的改变。从结构脑网络的角度研究ADHD可以发现患者的大脑特征,从而对ADHD患者的界定起到帮助。模块是复杂网络的基本特征,且在脑网络中也发现具有很好的模块化组织,模块在大脑中的研究变得极为广泛。社区检测算法可以从网络内部连接结构出发,将复杂的结构脑网络快速划分为几个模块,其模块内连接密集,模块间连接稀疏。ADHD以往模块化的研究主要集中在功能脑网络上,而忽略了其结构脑网络上模块的变化。因此本研究希望通过社区检测算法研究ADHD结构脑网络模块化。主要研究内容如下:(1)基于社区检测算法的模块划分本文对ADHD患者和健康人的DTI进行预处理和网络构建,得到确定性脑网络和概率性脑网络。在众多社区检测算法中,近年来脑网络研究使用最为广泛的为Gen Louvain社区检测算法和Louvain社区检测算法。为了确定本研究的模块划分方案,将两种社区检测算法进行模块质量比较,结果发现Gen Louvain算法在本研究模块划分的质量更高,因此本研究使用Gen Louvain算法来进行模块划分。(2)基于确定性脑网络的ADHD模块化研究本研究对ADHD确定性脑网络基于AAL和BN两种模板进行研究,在对网络进行模块划分之后,通过全脑、模块和脑区三种层面分析ADHD组与健康组模块化差异,并对ADHD的临床特征与其模块化做相关分析。结果表明ADHD在确定性脑网络中模块隔离度下降,其中下降的区域主要负责运动、记忆、语言和注意力的功能,这些区域主要位于默认模式网络和左脑。在相关分析中同时发现ADHD的模块隔离度与其临床特征相关。(3)基于概率性脑网络的ADHD模块化研究针对概率性脑网络的特征,对概率性脑网络进行阈值化,在对每个阈值网络进行模块划分之后,分析所有阈值下ADHD全脑上的模块化,再对稀疏和密集阈值下的网络分析患者模块以及脑区上的差异。结果与确定性脑网络得到的结论相一致,都表明ADHD结构脑网络的模块隔离度下降,并且下降的区域主要位于默认模式网络与左脑,且模块化改变与其临床特征有关。综上所述,本研究首次使用Gen Louvain算法将ADHD结构脑网络进行模块划分,得到稳定的结构脑网络模块结构,并将ADHD结构网络模块与具体功能相对应,挖掘了ADHD结构网络模块化与其临床特征和大脑功能之间的相关性。研究发现ADHD模块隔离度下降,下降的区域主要负责运动、语言、记忆和注意力,主要位于默认模式网络和左脑,且模块隔离度的改变与患者的临床特征呈显著相关。
其他文献
随着信息时代的到来,在互联网上会产生越来越多的非结构化文本信息,在文本信息中隐藏着许多有价值的数据,为了从中获取这些重要数据,需要信息抽取技术的帮助。信息抽取可以从海量数据中抽取出结构化的信息,实体关系抽取是信息抽取的主要任务之一,是构建知识图谱、自动问答等自然语言处理任务的基础。因此,实体关系抽取具有重要的研究意义。传统流水线方法存在错误传播和不能有效抽取关系重叠的问题,会导致实体关系抽取模型总
机器学习是当今迅速发展的前沿研究领域之一,机器学习技术最近被用于研究在凝聚态、量子信息和相关物理领域中遇到的经典问题和量子多体问题。通过这些研究的最新进展以及重要应用提升了对该领域的认识。本文以伊辛模型和Potts模型的相变研究为例,采用王朗道蒙特卡罗算法模拟得到模型的构型数据集,之后使用机器学习的非监督学习方法对模型的相变进行研究。使用机器学习研究相变时,通常运用蒙特卡罗方法生成模型的构型来制备
数字内容资源数量大、类型多、传播快、侵权难度低,导致侵权认证困难和维权成本高。目前,版权保护主要途径是利用中国版权保护中心著作权登记系统和第三方社会化版权管理系统对版权进行登记。这些系统大都以基于DCI(Digital Copyright Identifier,数字版权唯一标识符)体系或区块链的版权登记方式对版权认证;由于缺少数字内容资源与版权标识技术性永久绑定的手段,无法进行版权追踪,数字内容资
脑网络已经在神经成像领域内得到广泛的应用。近年来,高阶功能连接网络和超网络在脑疾病诊断方面取得了较大的进步。然而,两种网络均存在相应的问题:高阶功能连接网络虽然考虑了网络的时变特性,但并不能处理网络中的空间多元交互问题;而超网络虽然可以表征多个大脑区域之间的相互作用,但并未考虑到网络的动态特性,这种相互作用本质上是静态的。因此,上述两种网络都有各自的局限性。为了解决这一问题,本文融合高阶功能连接网
心脑血管疾病因其高死亡率,目前已经成为医学界的重点研究病症之一。中国作为人口大国,患病人数逐年上升,心脑血管疾病已经不仅是中老年群体的高发病,45岁以下的中青年同样成为了易发生心梗、脑卒中等心脑血管疾病的高危人群。常见的临床检测与诊断存在着预防困难、诊断不及时、传统体检检测困难以及治疗易致残等问题,因此,如何在发病前快捷有效地进行辅助预测,从而对患者起到预警作用是一重大问题。回顾漫长的中国医学发展
为了实现对桥梁平转施工动态过程的实时监测,系统设计并完成了集成应力传感器、倾角传感器、拉线传感器的集成式球铰的桥梁转体防倾覆监控系统。依靠MATLAB与LabVIEW混合编程模式实现多倾角传感器的融合、应力差法计算桥梁的倾覆力矩,利用倾角和倾覆力矩双输入的模糊计算得到转体桥梁唯一的倾覆危险值,提高了转体桥梁的倾覆危险值的可靠性。系统通过三维模型的姿态跟踪及应力映射,实现人性化的直观显示,简化施工现
数字图像已经在日常生活中被广泛使用,但是也面临着信息泄漏和侵犯版权等问题,因此数字图像保护技术应运而生。作为两种重要的图像保护技术,数字图像加密技术和数字图像水印技术已经成为研究热点。近年来,数字图像加密技术的研究大部分都是基于简单、低维的混沌系统,安全性不足;而数字图像水印技术则大部分是在水印嵌入算法上作出改进,忽略了水印系统的安全性。本文针对数字图像保护技术中的问题进行了研究,提出了基于高维复
植物叶片病害识别是农业和图像处理领域共同关注的重要课题。目前大多数病害识别的研究都基于神经网络,而成功的神经网络包含较多的参数,使用有监督的神经网络模型进行叶片病害识别需要充足的样本进行训练。而在现实生活中,由于标记样本的代价较高或病害发病率较低等因素,往往得不到充足的训练数据,这是目前植物病害识别研究的一个普遍挑战。因此,需要寻找一种能够生成病害图像的数据增强方法,解决训练样本不充足问题,以满足
行人再识别技术作为计算机视觉领域的重要研究课题,它可以形象地理解为在不同的监控摄像头下检索相同的行人。随着互联网的高速发展,监控网络渐渐覆盖到生活的方方面面,大量的图片数据需要处理,由此行人再识别技术被人们广泛关注。尽管目前行人再识别性能有所提高,但现有的方法通常依赖于这样一个假设,即要查询的人和图库图像都拥有相同的服装。虽然这个假设确实适用于许多现有的Re-ID数据集,但如果数据经过很长时间的聚
肺癌是当今世界死亡率最高的癌症,如果能够在肺癌发生的早期发现并及时治疗,可以明显降低肺癌死亡率。利用图像分割技术对患者肺部CT图像中发生病变的区域进行精准分割,可以提高肺癌早期诊断率。传统图像分割方法分割精度低且需要大量人工操作。近年来分割精度更高且特征表征能力更强的深度神经网络在图像分割领域得到了广泛应用。因此,本文以U-Net和3D U-Net网络这两种深度学习方法为基础展开研究。主要贡献如下