论文部分内容阅读
人脑作为迄今已知世界中最为复杂的网络体系,其组织和运行遵循两个基本原则：功能分离和功能整合。功能分离意味着整个脑功能网络可以分解为若干个功能子网络,而功能整合则意味着功能子网络之间相互连接、相互配合,共同完成具体的认知功能。本文从静态到动态,从脑功能连接网络的整体模式到脑功能子连接网络,对脑功能连接网络进行了深入研究,并在网络层面对脑疾病的病理生理机制进行分析。本文的主要内容有：首先,介绍了如何基于在通用且结构和功能上具有一致性的感兴趣脑区(Dense Individualized and Common Connectivity-based Cortical Landmarks, DICCCOL)框架,构建大尺度全脑功能连接网络(简称为脑功能连接网络)。在DICCCOL框架中,定义了358个感兴趣脑区,作为网络节点。同时,通过感兴趣脑区对应的血氧水平依赖(Blood Oxygen Level Dependent, BOL D)信号之间的相关系数来衡量脑功能连接,构建脑功能连接网络。此外,还阐述了脑功能连接网络定量和定性的基本分析方法。然后,针对脑网络的复杂组合特性,提出了一种静态脑功能子连接网络的研究方法,并将该方法应用于轻度认知功能损伤(Mild Cognitive Impairment, MCI)受试者和与其对应的健康(Healthy Control, HC)受试者的静态脑功能子连接网络分析,成功地对91%的MCI受试者和89.8%的HC受试者进行了分类。该方法基于DICCCOL框架构建静态脑功能连接网络,然后再利用基于矩阵离散度的投影非负矩阵分解(Divergence-based Projective Nonnegative Matrix Factorization, DPNMF)算法提取其中的静态脑功能子连接网络。与传统的k-means聚类算法相比,该方法可以同时分析MCI受试者和HC受试者的脑功能子连接网络之间的相似性和差异性。其次,针对脑认知功能状态的动态性及不可直接测量性,提出了一种脑认知功能状态的动态变迁模式的间接研究方法,并将方法应用于创伤后应激障碍(Post-Traumatic Stress Disorder, PTSD)受试者和与其对应的HC受试者的脑认知功能状态的动态变迁模式分析,91%的PTSD受试者和95%的HC受试者被成功分类。该方法以脑功能连接网络作为脑认知功能状态的间接观测状态,基于隐马尔可夫模型来研究脑认知功能状态的动态变迁模式。最后,针对脑功能网络的复杂组合特性和脑功能连接网络的动态性,提出了一种动态脑功能子连接网络的研究方法,并将该方法应用于注意力缺陷多动障碍(Attention Deficit/Hyperactivity Disorder, ADHD)受试者和与其对应的HC受试者的动态脑功能子连接网络分析,成功地对92%的ADHD受试者和95%的HC受试者进行了分类。该方法基于DICCCOL框架和贝叶斯连接变点模型(Bayesian Connectivity Change Point Model, BCCPM)构建动态脑功能连接网络,然后利用DPNMF算法提取动态脑功能子连接网络。与静态脑功能子连接网络分析方法相比,该方法可以更有效、更显著地观测到脑疾病受试者和健康受试者的脑功能子连接网络之间的相似性和差异性。