人體靜息態(tài)fMRI腦功能數(shù)據(jù)的特征提取及分類研究.pdf

1、近年來，腦科學(xué)的研究越來越受到人們的關(guān)注。本文在磁共振功能成像（簡(jiǎn)稱fMRI）的基礎(chǔ)上，針對(duì)靜息態(tài)fMRI腦功能數(shù)據(jù)做了較深入的研究。
　　研究中，根據(jù)Dosenbach及本研究室同事的前期研究結(jié)果，得出了默認(rèn)網(wǎng)絡(luò)的腦區(qū)共包含 ROI_73在內(nèi)的33個(gè)感興趣區(qū)域（簡(jiǎn)稱 ROI）。本文采用支持向量機(jī)（SVM）的方法對(duì)全腦160個(gè)ROI的血氧水平依賴（簡(jiǎn)稱BOLD）信號(hào)的時(shí)間序列進(jìn)行了分類，分類結(jié)果的準(zhǔn)確率達(dá)到了89.475％。由于采

2、用 SVM進(jìn)行分類時(shí)，需要一定的先驗(yàn)知識(shí)，無法進(jìn)行自動(dòng)分類。因此，為了能夠?qū)崿F(xiàn)自動(dòng)分類，本文采用層次聚類對(duì)靜息態(tài)fMRI腦功能數(shù)據(jù)進(jìn)行了詳細(xì)的研究。研究中計(jì)算了160個(gè)ROI的兩兩之間的相似性，并定義了一種相關(guān)距離作為聚類準(zhǔn)則。研究中對(duì)40例自愿者靜息態(tài) fMRI腦功能數(shù)據(jù)的時(shí)間序列進(jìn)行了層次聚類分析，分類的結(jié)果與Dosenbach及同事的研究結(jié)果進(jìn)行了對(duì)比，分類結(jié)果中相同的ROI個(gè)數(shù)在20-28之間，因此，層次聚類算法能夠用以靜息態(tài)f

3、MRI腦功能數(shù)據(jù)的分類研究。
　　為了能夠降低分類中 fMRI數(shù)據(jù)的維數(shù)，減小 fMRI數(shù)據(jù)分析的難度，本文從三方面對(duì)fMRI數(shù)據(jù)提取特征值：首先，分析各個(gè)腦區(qū)的BOLD信號(hào)曲線，計(jì)算其相對(duì)變化率，并對(duì)它作層次聚類，對(duì)比Dosenbach及同事的研究結(jié)果，相同的個(gè)數(shù)在17-22之間；其次，基于分形理論分析BOLD信號(hào)曲線的特點(diǎn)，計(jì)算全腦的160個(gè)ROI時(shí)間序列的分形維數(shù)，并作聚類分析，實(shí)驗(yàn)結(jié)果顯示相同的個(gè)數(shù)在22-25之間；最后，

4、分析其質(zhì)量指數(shù)函數(shù)及奇異譜函數(shù)曲線的性質(zhì)，發(fā)現(xiàn)BOLD信號(hào)具有多重分形性，分別計(jì)算這些BOLD信號(hào)多重分形譜的極大值、譜寬度、不對(duì)稱度，對(duì)它們組成的特征向量作層次聚類，實(shí)驗(yàn)得出相同的個(gè)數(shù)在22-28之間。對(duì)比這三種分類結(jié)果，得出后兩種分類結(jié)果明顯高于第一種分類結(jié)果，且第三種的分類結(jié)果比第二種的分類結(jié)果稍微高一點(diǎn)，但它的時(shí)間復(fù)雜度會(huì)高很多。
　　采用分形理論與層次聚類相結(jié)合的方法分析靜息態(tài)fMRI腦功能數(shù)據(jù)，能夠減少數(shù)據(jù)處理時(shí)間。該