基于多模态影像数据的脑网络研究

论文摘要

探索大脑并揭示大脑活动的神经机制是一个具有挑战性的科学问题。大脑的功能不仅是由单个神经元或单个大脑区域独立决定的,而是由神经元簇、功能块内的神经回路或大脑区域之间的一组相互作用决定的,因此可以用网络的方法将大脑建模。随着复杂网络理论的发展,脑网络分析逐渐成为神经科学领域中的一个热点研究方向。近年来,神经影像学和脑磁图学等技术被用于构建多种不同尺度的脑网络,更加推动了脑网络研究的发展。除了研究正常大脑的工作机制,众多的研究表明,许多精神疾病大脑的损伤往往会反映在结构性、功能性脑网络上。精神分裂症就是其中一种严重的慢性精神疾病,常见病症包括幻觉、妄想、丧失主动性和认知功能障碍。因此,需要采用合适的数学、统计学模型来构建大脑网络,并且对大脑的结构和功能进行深入研究,一方面探究正常大脑的工作机制,另一方面探索精神疾病的病理生理网络机制,同时,由于不同模态影像携带有互补信息,多模态融合方法的开发和应用可以提供一个更加敏感的测量,用于支持基于神经影像学技术的临床诊断。围绕这些问题,我们的研究工作主要包括以下四个部分:1我们利用静息态功能磁共振影像构建功能网络,使用滑动窗口动态连接分析方法,旨在描述假定的“静息状态不稳定性”在精神分裂症患者遗传素质和临床表型中的作用。此外,我们检查了抗精神病药物的剂量效应,以研究治疗对公认的临床表现标志物的二次效应,并对临床严重程度（阳性和阴性症状得分）与使用动态功能连接确认的变异性区域之间的关系进行了前瞻性分析。我们的研究结果表明,左侧楔前叶功能连接的时变不稳定性可能是精神分裂症表型表达的一个核心特征,而不是遗传介导的或疾病严重程度或治疗相关的附带现象。2利用弥散张量成像数据,研究精神分裂症患者的白质异常。我们结合了两个重要但以前分离的方法,基于体素的分析方法（VBA）和确定性纤维追踪,从单一的体素水平（单变量）,纤维连接水平（双变量）,和结构网络的全局拓扑属性（多变量）同时验证结果。VBA分析表明病人广泛区域的的各向异性分数（FA）值降低,纤维追踪的结果进一步验证了VBA的分析结果,在病人中有多条连接受损,特别是左右半脑的连接和丘脑-皮质反馈回路。同时,相比正常人,患者的结构网络显示出较弱的全局一体化,从这多个层次上确定了精神分裂症患者的脑白质异常。3我们开发了一种新的多元融合方法,将静息态的功能磁共振数据（fMRI）、结构磁共振数据（sMRI）和弥散张量成像数据（DTI）相结合,而不需要缩小尺寸或使用先验信息。我们首先使用Wilk’s lambda统计量构建和总结每个脑区的多指标特性,通过进行多变量方差分析来检测四种不同模型（fMRI、sMRI、DTI、fusion）组间显著性差异的值。结果表明,三个模态融合的特征在大脑大部分脑区中p值最小,说明我们可以通过整合附加信息来增加组间差异。判别分析的结果证实了这一结论,即每一种模态都是实现良好的组合和分类所不可或缺的,融合特征的预测准确率最高为86.12%。4我们利用三种模态数据分别构建每个被试的功能网络,概率追踪结构网络,以及基于KL散度的个体形态学网络。我们以这三个网络的连接作为特征,采用支持向量机方法对精神分裂症患者进行分类。结果表明各个模态找到的各自的生物标记虽然并不重叠,但大部分都位于基底节-丘脑-皮层环路,并且结合这三种模态的生物标记做为特征可以取得最高的判别效果达到91.75%（相比单个模态）。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
•   1.1 基于磁共振脑成像的多模态脑网络研究方法
•     1.1.1 静息态功能磁共振成像与功能网络
•     1.1.2 弥散张量成像与结构网络
•     1.1.3 结构磁共振成像与形态学网络
•   1.2 脑网络性质
•   1.3 多模态脑网络的研究现状
•   1.4 精神分裂症及其研究现状
•   1.5 本文的选题和研究内容
•   1.6 本论文的主要创新点
• 第二章 理论研究基础
•   2.1 假设检验
•     2.1.1 双样本t检验
•     2.1.2 Mann-Whitney U检验
•     2.1.3 置换检验
•   2.2 多重比较校正
•     2.2.1 FWER校正
•     2.2.2 FDR校正
•     2.2.3 NBS校正
•   2.3 相关分析
•     2.3.1 Pearson相关
•     2.3.2 Spearman相关
•     2.3.3 典型相关分析
•   2.4 模式识别
•     2.4.1 支持向量机基本思想
•     2.4.2 分类性能度量
• 第三章 基于功能磁共振数据的单模态研究及应用
•   3.1 引言
•   3.2 材料与方法
•     3.2.1 被试
•     3.2.2 图像采集
•     3.2.3 数据预处理
•     3.2.4 区域功能架构的时间变异性
•     3.2.5 统计分析
•     3.2.6 相关分析
•   3.3 结果
•     3.3.1 统计分析结果
•     3.3.2 相关分析结果
•   3.4 讨论
• 第四章 基于弥散张量成像数据的单模态研究及应用
•   4.1 引言
•   4.2 材料与方法
•     4.2.1 被试与图像采集
•     4.2.2 数据预处理与结构网络构建
•     4.2.3 单变量的FA分析
•     4.2.4 双变量的连接分析
•     4.2.5 多变量的网络分析
•     4.2.6 网络分析的稳健性
•   4.3 结果
•     4.3.1 FA的组间比较
•     4.3.2 异常子网络
•     4.3.3 网络属性分析结果
•     4.3.4 核心脑区
•     4.3.5 网络分析的稳健性
•   4.4 讨论
• 第五章 多模态数据融合方法及应用
•   5.1 引言
•   5.2 材料与方法
•     5.2.1 被试
•     5.2.2 数据预处理
•     5.2.3 单个脑区多指标向量的构建
•     5.2.4 多元方差分析
•     5.2.5 支持向量机
•     5.2.6 分类中不同模态的多样性
•     5.2.7 每种模态的贡献率
•   5.3 结果
•     5.3.1 单个模态和融合特征的对比
•     5.3.2 不同度量的预测能力
•     5.3.3 分类中个体模态的多样性
•     5.3.4 不同模态的贡献
•   5.4 讨论
• 第六章 基于多模态的脑网络构建及应用
•   6.1 引言
•   6.2 材料与方法
•     6.2.1 被试
•     6.2.2 数据预处理和网络构建
•     6.2.3 不同模态的核心脑区
•     6.2.4 支持向量机分类
•     6.2.5 具有判别力的特征
•     6.2.6 网络分析的稳健性
•   6.3 结果
•     6.3.1 三个模态网络
•     6.3.2 核心脑区
•     6.3.3 分类结果
•     6.3.4 判别特征
•     6.3.5 模态间相关
•     6.3.6 网络分析的稳健性
•   6.4 讨论
• 第七章 总结与展望
•   7.1 本文总结
•   7.2 工作展望
• 参考文献
• 附录
• 攻读博士学位期间的科研成果
• 致谢

文章来源

类型: 博士论文

作者: 赵维

导师: 郭水霞

关键词: 脑网络,多模态融合,精神分裂症,模式识别

来源: 湖南师范大学

年度: 2019

分类: 基础科学,医药卫生科技

专业: 数学,基础医学

单位: 湖南师范大学

分类号: O157.5;R338

总页数: 141

文件大小: 4498K

下载量: 424