中国生物医学工程学报
中國生物醫學工程學報
중국생물의학공정학보
CHINESE JOURNAL OF BIOMEDICAL ENGINEERING
2015年
2期
184-189
,共6页
李建福%罗程%董立%尧德中
李建福%囉程%董立%堯德中
리건복%라정%동립%요덕중
主成分分析(PCA)%支持向量机(SVM)%弥散加权成像(DWI)%脑网络
主成分分析(PCA)%支持嚮量機(SVM)%瀰散加權成像(DWI)%腦網絡
주성분분석(PCA)%지지향량궤(SVM)%미산가권성상(DWI)%뇌망락
principal component analysis (PCA)%support vector machine (SVM)%diffusion-weighted imaging (DWI)%brain network
人脑在多种时间和空间尺度上都是复杂网络,而复杂网络中往往包含着大量的连接信息.主成分分析(PCA)方法主要被用于从大量信息中提取重要特征,因而可以被用于探寻复杂网络中的一些重要信息.众所周知,音乐家是研究训练导致的脑可塑性问题的一个理想模型,探求音乐家脑网络的可塑性变化是非常有意义的.首先通过基于弥散加权成像(DWI)数据的纤维束追踪,构建了16位音乐家与16位非音乐家的脑白质结构网络;然后对两组人的整体脑网络进行了PCA分析,进而对得到的每个主成分做支持向量机(SVM)分类处理,得到分类效果最好的主成分;最终找出对此主成分贡献前1%的连接即为音乐家相对于非音乐家在大脑白质结构网络上发生改变的主要连接.本方法为组间复杂网络对比分析提供了一种基于PCA分类的新思路.基于上述思路,对于音乐家与非音乐家的脑白质结构网络对比分析,表明音乐家在运动、听觉、情绪和记忆等功能脑区表现出更高的脑区间信息传递效率;进而扩展了在网络层面对长期音乐训练改变音乐家白质可塑性问题的理解.
人腦在多種時間和空間呎度上都是複雜網絡,而複雜網絡中往往包含著大量的連接信息.主成分分析(PCA)方法主要被用于從大量信息中提取重要特徵,因而可以被用于探尋複雜網絡中的一些重要信息.衆所週知,音樂傢是研究訓練導緻的腦可塑性問題的一箇理想模型,探求音樂傢腦網絡的可塑性變化是非常有意義的.首先通過基于瀰散加權成像(DWI)數據的纖維束追蹤,構建瞭16位音樂傢與16位非音樂傢的腦白質結構網絡;然後對兩組人的整體腦網絡進行瞭PCA分析,進而對得到的每箇主成分做支持嚮量機(SVM)分類處理,得到分類效果最好的主成分;最終找齣對此主成分貢獻前1%的連接即為音樂傢相對于非音樂傢在大腦白質結構網絡上髮生改變的主要連接.本方法為組間複雜網絡對比分析提供瞭一種基于PCA分類的新思路.基于上述思路,對于音樂傢與非音樂傢的腦白質結構網絡對比分析,錶明音樂傢在運動、聽覺、情緒和記憶等功能腦區錶現齣更高的腦區間信息傳遞效率;進而擴展瞭在網絡層麵對長期音樂訓練改變音樂傢白質可塑性問題的理解.
인뇌재다충시간화공간척도상도시복잡망락,이복잡망락중왕왕포함착대량적련접신식.주성분분석(PCA)방법주요피용우종대량신식중제취중요특정,인이가이피용우탐심복잡망락중적일사중요신식.음소주지,음악가시연구훈련도치적뇌가소성문제적일개이상모형,탐구음악가뇌망락적가소성변화시비상유의의적.수선통과기우미산가권성상(DWI)수거적섬유속추종,구건료16위음악가여16위비음악가적뇌백질결구망락;연후대량조인적정체뇌망락진행료PCA분석,진이대득도적매개주성분주지지향량궤(SVM)분류처리,득도분류효과최호적주성분;최종조출대차주성분공헌전1%적련접즉위음악가상대우비음악가재대뇌백질결구망락상발생개변적주요련접.본방법위조간복잡망락대비분석제공료일충기우PCA분류적신사로.기우상술사로,대우음악가여비음악가적뇌백질결구망락대비분석,표명음악가재운동、은각、정서화기억등공능뇌구표현출경고적뇌구간신식전체효솔;진이확전료재망락층면대장기음악훈련개변음악가백질가소성문제적리해.