论文部分内容阅读
人脑可能是宇宙间最为精细而复杂的系统,探索和理解大脑的运行机制是21世纪人类最大的课题。作为一个新的工具,近些年来脑网络分析在揭示认知功能的神经机理、发育和老化阶段大脑的正常或异常变化以及脑疾病的结构性破坏等方面发挥了极大的作用。而脑网络同时也是一个多尺度的系统,可以从不同的空间或时间尺度对人脑进行描述和刻画:空间尺度从个体神经元到脑区,时间尺度则可以从亚毫秒级直至整个生命周期。在多个尺度上对脑网络进行研究分析,可以为理解大脑的结构和功能特性提供多个不同的视角。因此,本文从宏观和微观尺度两方面,对脑网络进行了研究,主要包括:在宏观尺度上,基于静息态fMRI数据,我们构建了脑功能网络,进而对人脑的毕生发展特性进行了定量研究;在微观尺度上,我们从一个新的角度构建了神经元网络发放模型,并且对该模型在特定条件下的收敛性进行了求证。第一章是绪论部分。在这一章中,我们首先对本文的研究背景和意义进行了介绍;其次在微观层次,简要阐述了神经元的基本结构,动作电位的神经机制,突触的结构和功能以及神经元数学模型等;随后在宏观尺度层次,分别介绍了磁共振成像的基本原理,脑网络的种类和研究现状,网络的拓扑属性以及基于脑网络的机器学习应用等;最后给出了本文的内容和章节安排。在第二章,我们基于静息态磁共振成像数据在宏观尺度上对大脑的毕生发展特性进行了研究。我们首先从三个角度分别进行探究:在边的层次(edge-level)及子网络层次(network-level),利用一次和二次线性回归模型,对大脑功能连接的毕生发展轨迹进行了刻画;从时频特征角度,对单个体素的分数低频振幅fALFF值随年龄的变化特征进行了定量描述;对全体被试的功能连接矩阵直接应用主成分分析方法,进而得到了若干有意义的主成分,并分离出了与年纪直接相关的主成分。然后我们分别基于上述三种方法进一步得到了三种不同类型的特征,并结合三种不同的回归模型,对大脑年龄进行预测:选用两个开源fMRI数据集分别作为训练集和测试集,在训练集上利用K-fold交叉验证方法进行模型训练和选择,在测试集上进行外部验证,结果表明构造的模型具有较好的预测性能。这种预测结果可以充当反映个体大脑成熟度或衰老程度的潜在的生物学标记。在第三章,我们以一种全新的视角构建了一个神经元网络的时空发放模型,对神经元网络的动态特性进行了刻画。并且,我们引入了随机过程领域的Brownian Web概念,Brownian Web是起点为二维时空平面R×R上任意一个点的聚并布朗运动族。该概念由其他学者提出,并且在理论上给出了严格的定义和通用的收敛性准则。我们证明了,当所构建的神经元网络时空发放模型,在时间和空间维度按照不同的规则进行缩放处理后,该模型依分布收敛于Brownian Web。第四章是总结与展望部分。我们对本文的主要工作进行了总结,并基于现有工作所存在的问题,提出了下一步可能的研究方向。