CASIA OpenIR  > 毕业生  > 博士学位论文
基于静息态功能磁共振影像的脑区分割方法与应用研究
其他题名Brain parcellation methods and its application based on resting state fMRI
程和伟
学位类型工学博士
导师范勇
2014-12-25
学位授予单位中国科学院大学
学位授予地点中国科学院自动化研究所
学位专业模式识别与智能系统
关键词功能磁共振影像 功能连接 脑区分割 上内侧额叶皮质 杏仁核 归一化割 半监督聚类 抑郁症 Fmri Functional Connectivity Brain Parcellation Msfc Amygdala Noumalized Cut Semi-supervised Clustering Depression
摘要现代功能磁共振成像技术的产生为探索和揭示大脑的认知功能提供了新的途径。其中,静息态功能磁共振成像技术不需要研究者设计实验任务,而被广泛应用到神经科学的研究中。经过十年左右的发展,基于这个成像技术研究和分析大脑各子区功能的分离与综合已经在认知科学研究中占有重要的地位,为临床应用提供了广阔的前景。虽然很多研究者在大脑功能区分割方法上进行了深入的研究并取得了大量重要研究成果,但是还是要面临很多挑战,距离临床应用还有很长的路。本文在前人提出的脑功能区分割方法的基础上进行了深入的研究,优化和提高了方法的性能,取得了一些研究成果。此外,使用本文提出的脑功能区分割方法分割杏仁核,并将分割得到的杏仁核子区应用到抑郁症的研究中。这个研究的目的是为了识别由抑郁症引起的杏仁核子区功能连接的异常改变,以及探索抑郁症患者在经过电休克治疗后发生异常改变的功能连接的改善和恢复情况。  在众多的脑功能区分割方法中,基于谱聚类的脑区分割方法由于其具有良好的性能而受到了研究者的重视。但是由于功能磁共振信号的信噪比低,这些分割方法并不能有效克服磁共振信号的噪声而得到鲁棒并且功能一致的分割结果。本文系统研究了基于谱聚类的脑功能区分割方法,针对其中的不足和缺陷,提出了两个改进方法: 1. 本文提出了优化功能信号亲和性度量的归一化割(一个谱聚类算法)脑区分割方法。并对亲和性度量中的空间约束参数进行了优化,以提高分割方法克服功能信号噪声的能力以及提高分割子区的功能一致性。将该分割方法在上内侧额叶皮质上进行了验证。使用本文提出的方法成功将上内侧额叶皮质分割为辅助运动区和辅助运动前区两个功能子区。实验结果表明该分割结果与现有功能解剖知识一致。其次,从分割子区的功能连接分析和meta分析进一步验证了分割结果的可靠性。最后,与同类的基于归一化割脑功能区分割方法相比,本文提出的方法得到的分割子区功能一致性更高。 2. 无监督聚类的脑功能区分割方法不能够利用现有的解剖功能先验知识,如细胞构筑分区的解剖知识,综合大量文献进行meta分析而获取的脑区功能信息。为了充分利用这些先验知识和克服功能信号的噪声,本文提出了基于图理论的半监督聚类(一个谱聚类算法)的脑功能区分割方法。将该分割方法在杏仁核上进行了验证。使用本文提出的方法成功将杏仁核分割为三个子区:中央内侧区,基底外侧区,及浅表皮质区。本文提出的方法提高了分割子区的功能一致性和鲁棒性。分割子区的合理性因具有不同的功能和结构连接模式而得到验证。此外,三个子区的功能连接模式与对应子区基于meta分析的共激活模式有很高的一致性,进一步验证了分割子区的合理性。  此外,本文将上述第二个脑功能区分割方法应用到抑郁症的研究中。由于杏仁核在抑郁症的疾病进程中有重要的关系和作用。因此,使用本文提出的半监督聚类的脑功能区分割方法将具有复杂结构和功能的杏仁核分割为三个子区,以分割得到的这三个子区作为种子区域进行功能连接分析。实验结果表明治疗前抑郁症患者杏仁核的子区与基底节、丘脑、内侧额叶皮...
其他摘要The modern functional magnetic resonance imaging (fMRI) techniques provide a new way to explore and reveal cognitive functions of the brain. Among these techniques, the resting state fMRI technique does not require researchers to design task, which is widely applied in neuroscience research. After more than ten years of development, it has become to be important to study the segregation and integration of the brain in cognitive science based on this imaging technique, which provides a broad prospect for clinical application. Although many researchers have conducted in-depth study in the field of functional brain parcellation methods, and also achieved great progress. But there are still many challenges, and it is a long way to realize clinical application. In this paper, we have deeply studied the functional brain parcellation methods based on previous studies using resting state fMRI data, and achieved some progress for improving the performance of brain parcellation methods. In addition, we adopted our proposed method to parcellate amygdala, and parcellated subregions of amygdala were applied for studying depression. The purpose of this study was to identify abnormal alterations of the amygdala subregions-cortical functional connectivity in depression patients, as well as to explore whether the abnormally altered functional connectivity has been improved and recovered after electroconvulsive therapy (ECT) for these depression patients.  Among a large number of functional brain parcellation methods, the spectral clustering based brain parcellation methods have got great attention due to their good performance. However, due to low signal to noise ratio (SNR) of fMRI signals, these existed parcellation methods could not effectively overcome the noise of fMRI signals, and the obtained parcellation results are not robust and functionally homogeneous. In this paper, we systemically studied the spectral clustering based functional brain parcellation methods using resting state fMRI data. For overcoming shortcomings and deficiencies of the existed methods, we proposed two improved functional brain parcellation methods. 1. This paper presents a normalized cut (normalized cut, one spectral clustering algorithm) based brain parcellation method to optimize the affinity measure of functional signals. In the presented brain parcellation method, parameters for spatial constraint in affinity measure were optimized for overcoming the noise of fMRI signals and ...
其他标识符201018014628032
语种中文
文献类型学位论文
条目标识符http://ir.ia.ac.cn/handle/173211/6666
专题毕业生_博士学位论文
推荐引用方式
GB/T 7714
程和伟. 基于静息态功能磁共振影像的脑区分割方法与应用研究[D]. 中国科学院自动化研究所. 中国科学院大学,2014.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
CASIA_20101801462803(3418KB) 暂不开放CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[程和伟]的文章
百度学术
百度学术中相似的文章
[程和伟]的文章
必应学术
必应学术中相似的文章
[程和伟]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。