腦功能磁共振成像數(shù)據(jù)處理算法及應(yīng)用研究.pdf

1、高空間分辨率的功能磁共振成像（fMRI）技術(shù)是人們認(rèn)識(shí)腦的一種重要的無(wú)損檢測(cè)手段，并且在相關(guān)領(lǐng)域受到了極大關(guān)注。fMRI腦功能信息提取技術(shù)是將fMRI與大腦認(rèn)知、神經(jīng)科學(xué)和臨床應(yīng)用相結(jié)合的關(guān)鍵。目前該技術(shù)仍然不完善，需要進(jìn)一步的發(fā)展。本文以腦功能活動(dòng)區(qū)域定位、聚類的fMRI數(shù)據(jù)處理算法和腦功能不對(duì)稱性等問(wèn)題為核心，提出了利用fMRI時(shí)間序列的頻率信息、相位譜（PS）信息、卷積功率譜（CPS）信息和仿射聚類（APC）等方法來(lái)探測(cè)腦功能活動(dòng)

2、，發(fā)展了相應(yīng)的抗干擾能力強(qiáng)的時(shí)頻fMRI信號(hào)分析法，并進(jìn)一步提出了利用定量分析功率譜變化來(lái)研究運(yùn)動(dòng)皮層功能不對(duì)稱性的思想。通過(guò)仿真與實(shí)際數(shù)據(jù)的分析證明了這些方法和技術(shù)創(chuàng)新的有效性和應(yīng)用價(jià)值。分列如下：
　　 本文提出了一種利用時(shí)間序列在希爾伯特（Hilbert）空間的頻率信息去探測(cè)功能活動(dòng)區(qū)的新方法。它的主要思想是利用任務(wù)狀態(tài)與非任務(wù)狀態(tài)的頻率熵信息（FEI）的差作為判斷腦激活的指標(biāo)。通過(guò)仿真確定了建議方法的有效性。比較統(tǒng)計(jì)參數(shù)

3、圖（SPM）、支持向量機(jī)（SVM）和FEI等算法的接受者工作特性曲線（ROC），頻率信息方法顯示出優(yōu)良性能，實(shí)際的fMRI數(shù)據(jù)處理也證實(shí)該方法能有效探測(cè)腦功能活動(dòng)。提出了利用fMRI時(shí)間序列的相位譜信息來(lái)探測(cè)腦功能活動(dòng)的新方法?；舅枷胧菍⑿盘?hào)特征頻率上的相位用作腦激活指標(biāo)，并且通過(guò)仿真和實(shí)際fMRI數(shù)據(jù)驗(yàn)證和確認(rèn)了這種方法的有效性。常規(guī)fMRI數(shù)據(jù)分析方法以構(gòu)造體素的血氧水平依賴性（BOLD）響應(yīng)時(shí)間函數(shù)為目標(biāo)，但是功率譜分析理論完全

4、聚焦在理解作用系統(tǒng)的動(dòng)力學(xué)能量變化。因此，針對(duì)fMRI數(shù)據(jù)處理，論文提出了一種新的基于先驗(yàn)鏡像信號(hào)的卷積能譜分析模型。首先，抑制fMRI信號(hào)中的噪聲，計(jì)算測(cè)量的fMRI數(shù)據(jù)與預(yù)先設(shè)計(jì)的實(shí)驗(yàn)?zāi)Ｊ街g的卷積；然后將卷積信號(hào)的功率譜密度（Power spectrum density，PSD）分析作為定量分析BOLD信號(hào)變化的指標(biāo)。并且對(duì)比常規(guī)的功率譜、SPM和SVM方法，仿真和實(shí)際fMRI塊實(shí)驗(yàn)數(shù)據(jù)分析結(jié)果揭示CPS方法能有效地探測(cè)腦功能活動(dòng)

5、。對(duì)于具有復(fù)雜特性的fMRI時(shí)間序列，論文的結(jié)果證明抗噪聲能力強(qiáng)的CPS方法是揭示腦功能信息的有用的分析工具。
　　 聚類分析是一種很好的的數(shù)據(jù)驅(qū)動(dòng)方法。然而對(duì)于fMRI時(shí)間序列數(shù)據(jù)，龐大的計(jì)算量使它很難實(shí)用?；诖耍撐奶岢隽藢⒂行?、快速的新聚類算法-仿射聚類APC用于分析腦功能活動(dòng)的fMRI大數(shù)據(jù)集。該算法不用隨機(jī)選擇初始的類代表點(diǎn)，它將所有的數(shù)據(jù)點(diǎn)都作為潛在的類代表點(diǎn)，通過(guò)最小化能量函數(shù)與信息傳遞架構(gòu)（Message pa

6、ssing architecture），得到最優(yōu)化的類代表點(diǎn)與它們對(duì)應(yīng)的類。四個(gè)仿真數(shù)據(jù)集和三個(gè)真實(shí)fMRI數(shù)據(jù)集（包括塊設(shè)計(jì)與事件相關(guān)（Event-related）實(shí)驗(yàn)）的分析結(jié)果揭示APC能有效地探測(cè)腦功能活動(dòng)并能區(qū)分不同的響應(yīng)模式。性能參數(shù)指標(biāo)平均均方誤差（Average squared error）揭示在塊設(shè)計(jì)與事件相關(guān)實(shí)驗(yàn)中APC算法明顯優(yōu)于K中心聚類（K-centers clustering）。研究結(jié)果表明利用fMRI數(shù)據(jù)，

7、APC算法能有效地探測(cè)和聚類腦功能活動(dòng)區(qū)。本文提出了利用定量分析BOLD信號(hào)的功率變化來(lái)研究腦功能不對(duì)稱性的思想。六個(gè)右利手被實(shí)驗(yàn)者參與了fMRI實(shí)驗(yàn)，論文分析了雙手運(yùn)動(dòng)與單手運(yùn)動(dòng)的實(shí)驗(yàn)數(shù)據(jù)。功率譜方法表明在任務(wù)與休息狀態(tài)之間，大腦右側(cè)運(yùn)動(dòng)皮層相對(duì)左側(cè)運(yùn)動(dòng)皮層，BOLD信號(hào)有更大的功率差，這說(shuō)明其右側(cè)運(yùn)動(dòng)區(qū)域有更多相關(guān)神經(jīng)細(xì)胞被誘發(fā)。此外，通過(guò)對(duì)比BOLD信號(hào)幅度變化，對(duì)用功率譜方法測(cè)量功能不對(duì)稱性進(jìn)行了合理性分析。對(duì)于腦功能不對(duì)稱性分