基于鏈路預(yù)測(cè)的靜息態(tài)功能腦網(wǎng)絡(luò)建模關(guān)鍵技術(shù)研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩123頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、人腦是自然世界中存在的最復(fù)雜多變的系統(tǒng)之一,可以被描述為一個(gè)多層次的復(fù)雜網(wǎng)絡(luò)。目前,復(fù)雜網(wǎng)絡(luò)的理論已經(jīng)成為了腦網(wǎng)絡(luò)研究的一種重要手段,利用該理論方法進(jìn)行不同尺度下的腦網(wǎng)絡(luò)構(gòu)建,找到符合大腦工作機(jī)制的節(jié)點(diǎn)以及邊的定義,以期可以繪制一張完整的大腦活動(dòng)圖譜。
  近年來(lái),為了研究腦網(wǎng)絡(luò)拓?fù)鋵傩耘c解剖空間之間的關(guān)系,越來(lái)越多的研究人員開(kāi)始著眼于腦網(wǎng)絡(luò)建模的研究。通過(guò)數(shù)學(xué)建模方法,利用腦區(qū)解剖空間距離作為參數(shù),建立腦網(wǎng)絡(luò)連接的生成函數(shù),并不

2、斷優(yōu)化以實(shí)現(xiàn)最優(yōu)擬合。一方面挖掘了物理空間距離及成本與網(wǎng)絡(luò)拓?fù)鋵傩灾g的關(guān)系,另一方面對(duì)腦網(wǎng)絡(luò)構(gòu)建計(jì)算成本的降低有著重要的意義。前人的研究已經(jīng)證明,腦網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)是受到節(jié)點(diǎn)解剖距離的約束和影響的。并且利用解剖距離作為參數(shù)的建模方法,無(wú)論在正常人或是腦疾病患者,均已經(jīng)證明是可行的。但目前的研究存在兩個(gè)隱含的問(wèn)題:其一,在不同尺度的節(jié)點(diǎn)規(guī)模下,解剖距離對(duì)網(wǎng)絡(luò)拓?fù)鋵傩缘挠绊懯欠翊嬖谝欢ǖ牟町愋?其二,解剖距離只和所選的節(jié)點(diǎn)模板有關(guān),和樣本個(gè)體

3、無(wú)關(guān),所反映的是共性的特征。而在建模時(shí),不僅需要考慮共性的特征,同樣還要考慮樣本個(gè)體的個(gè)性化差異。此外,源于腦網(wǎng)絡(luò)在構(gòu)建過(guò)程中所受到的各種混雜因素的干擾,導(dǎo)致腦網(wǎng)絡(luò)的可信度問(wèn)題。傳統(tǒng)的基于重測(cè)信度的分析方法能夠針對(duì)網(wǎng)絡(luò)指標(biāo)進(jìn)行一致性檢測(cè),卻無(wú)法對(duì)網(wǎng)絡(luò)結(jié)構(gòu)本身進(jìn)行合理的優(yōu)化,因此急需一種新的方法對(duì)腦網(wǎng)絡(luò)進(jìn)行可信度評(píng)價(jià)并實(shí)現(xiàn)網(wǎng)絡(luò)模型的優(yōu)化。這一系列問(wèn)題的探索及研究,為超大規(guī)模腦網(wǎng)絡(luò)的建模及分析提供了新的思路和方法,具有重要的理論價(jià)值和實(shí)踐意

4、義。
  本文研究得到了國(guó)家自然科學(xué)基金項(xiàng)目的支持,針對(duì)目前在腦網(wǎng)絡(luò)構(gòu)建中所存在的問(wèn)題,將復(fù)雜網(wǎng)絡(luò)中鏈路預(yù)測(cè)的思想引入到靜息態(tài)功能腦網(wǎng)絡(luò)的建模研究中,在構(gòu)建腦網(wǎng)絡(luò)的基礎(chǔ)上提出基于局部信息指標(biāo)的靜息態(tài)功能腦網(wǎng)絡(luò)模型、層次結(jié)構(gòu)的腦網(wǎng)絡(luò)模型以及基于隨機(jī)分塊思想的鏈路可信度評(píng)價(jià)方法及網(wǎng)絡(luò)重構(gòu)模型,最終實(shí)現(xiàn)對(duì)腦網(wǎng)絡(luò)的模型構(gòu)建及優(yōu)化。該研究完善和發(fā)展了基于復(fù)雜網(wǎng)絡(luò)理論的腦網(wǎng)絡(luò)分析方法論,同時(shí)降低了網(wǎng)絡(luò)構(gòu)建及分析所需的計(jì)算成本,提高了網(wǎng)絡(luò)的可靠

5、程度,為超大規(guī)模腦網(wǎng)絡(luò)的構(gòu)建提供了新的思路。
  本文主要?jiǎng)?chuàng)新工作包括有:
  (1)提出基于局部信息指標(biāo)的功能腦網(wǎng)絡(luò)建模方法
  本文將鏈路預(yù)測(cè)方法中的傳統(tǒng)的局部信息指標(biāo)引入功能腦網(wǎng)絡(luò)建模中,將其與大腦解剖距離結(jié)合起來(lái)進(jìn)行腦網(wǎng)絡(luò)數(shù)學(xué)建模,以實(shí)現(xiàn)腦網(wǎng)絡(luò)的仿真。并通過(guò)網(wǎng)絡(luò)拓?fù)鋵傩詠?lái)量化分析其與真實(shí)腦網(wǎng)絡(luò)拓?fù)鋵傩灾g的擬合程度,最終給出合理有效的模型評(píng)價(jià)指標(biāo)及參數(shù)篩選策略。
  (2)提出基于層次結(jié)構(gòu)模型的功能腦網(wǎng)絡(luò)

6、建模方法
  針對(duì)腦網(wǎng)絡(luò)具有典型的模塊化結(jié)構(gòu)這一自身特點(diǎn),本文提出基于層次結(jié)構(gòu)模型的功能腦網(wǎng)絡(luò)建模方法,該方法將腦網(wǎng)絡(luò)的模塊結(jié)構(gòu)作為先驗(yàn)知識(shí)進(jìn)行模型構(gòu)建。結(jié)果表明,采用該方法對(duì)功能腦網(wǎng)絡(luò)進(jìn)行模型構(gòu)建是可行并且有效的。
  (3)提出基于隨機(jī)分塊模型的復(fù)雜腦網(wǎng)絡(luò)可信度優(yōu)化方法
  現(xiàn)有研究下,腦網(wǎng)絡(luò)構(gòu)建中一個(gè)核心問(wèn)題是網(wǎng)絡(luò)構(gòu)建結(jié)果的質(zhì)量控制,即連接的可信度評(píng)價(jià)。傳統(tǒng)方法對(duì)構(gòu)建網(wǎng)絡(luò)的質(zhì)量控制只能實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)拓?fù)鋵傩缘囊恢滦远?/p>

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論