论文部分内容阅读
功能磁共振成像(Functional magnetic resonance imaging,fMRI)技术是人们探测脑功能活动的无损检测手段,为科学揭示大脑结构和功能改变,提供了影像学基础。本文主要研究从功能磁共振数据中提取特征,从而为疾病或治疗效果提供生物标记。结合传统的特征提取方法(例如:局部区域一致性和低频振荡振幅)以及目前比较流行的动态网络特征提取方法来全面提取特征。主要工作如下:1.我们利用局部区域一致性(Regional Homogeneity,ReHo)和低频振荡振幅(Amplitude of low-frequency fluctuation,ALFF)寻找围绝经期综合症患者和正常人脑区之间的差异,从而为该疾病提供可靠的生物标记物。现在医学研究表明围绝经期综合症很可能是由于小脑控制的激素释放量异常导致[1]。我们通过分析采集到的围绝经期综合症患者的静息态磁共振数据来验证前面的假设。我们认为ReHo和ALFF是探索围绝经期综合症发病的有力工具。我们希望分析的结果对提高围绝经期综合症病理生理机制有一定的帮助。2.为了深入认识大脑在不同状态下的关系,我们使用左右利手被试数据。利用广义线性模型以及单样本T检验获取左右利手被试任务态下大脑激活区域,并选取12个感兴趣区域(Region of interest,ROI)为种子点。计算静息态下左右利手相应ROI区域之间的功能连接(functional connectivity,FC)。由于任务态数据和静息态数据都是时间序列数据,所以每个被试都可以得到一个动态的脑网络(利用(flexible least square FLS)算法可以使得180个时间点对应180个脑网络)。利用聚类方法给每个样本的动态脑网络进行聚类,从而得到个体水平上脑网络的划分。再将左右利手被试动态脑网络数据放在一起进行组上聚类从而得到组上7个类中心。最后将个体样本的180个脑网络分别同组上7个类中心算相关值,划分到相关值最大的类中心中,这样就得到左右利手都有7类。在完成聚类后我们对左右利手相应的类使用双样本T检验,再通过FDR矫正得到差异的脑区。我们寻找一种高级的聚类算法解决目前动态网络聚类依据先验知识的困境,为进一步探索真实的大脑网络提供新的途径。