计算机应用
計算機應用
계산궤응용
Journal of Computer Applications
2015年
7期
1933-1938
,共6页
动态功能连接%功能磁共振图像%稀疏表达%脑网络%字典学习%大脑状态
動態功能連接%功能磁共振圖像%稀疏錶達%腦網絡%字典學習%大腦狀態
동태공능련접%공능자공진도상%희소표체%뇌망락%자전학습%대뇌상태
Dynamic Functional Connectivity (DFC)%functional Magnetic Resonance Imaging (fMRI)%sparse representation%brain network%dictionary learning%brain state
针对传统静态功能连接分析技术不能准确反映大脑动态功能状态的问题,提出了一种基于全脑动态功能连接(DFC)分析对大脑的状态变化进行表达的方法.首先,利用个体的弥散张量成像(DTI)数据构建高精确度全脑网络,将运动任务下功能磁共振成像(fMRI)数据映射到相应DTI空间后,提取各节点fMRI信号;然后,采用滑动时间窗口方法计算随时间变化的全脑功能连接强度矩阵,并提取动态功能连接向量(DFCV)样本;最后,将所有个体的DFCV样本通过基于Fisher准则的字典学习(FDDL)算法进行稀疏表达和分类.共得到8个该运动任务下全脑功能连接状态模式,各模式的功能连接强度空间分布具有明显差异,模式1、模式2和模式3占据了大部分样本分布(77.6％),且与平均静态功能连接强度矩阵之间的相似度明显高于其他5个模式.此外,大脑在各模式之间的状态迁移遵循一定的规律.实验结果表明,采用全脑DFC和FDDL学习相结合的方法,能够有效地对任务态下大脑的功能状态变化进行表达,为研究脑动态信息处理机制提供基础.
針對傳統靜態功能連接分析技術不能準確反映大腦動態功能狀態的問題,提齣瞭一種基于全腦動態功能連接(DFC)分析對大腦的狀態變化進行錶達的方法.首先,利用箇體的瀰散張量成像(DTI)數據構建高精確度全腦網絡,將運動任務下功能磁共振成像(fMRI)數據映射到相應DTI空間後,提取各節點fMRI信號;然後,採用滑動時間窗口方法計算隨時間變化的全腦功能連接彊度矩陣,併提取動態功能連接嚮量(DFCV)樣本;最後,將所有箇體的DFCV樣本通過基于Fisher準則的字典學習(FDDL)算法進行稀疏錶達和分類.共得到8箇該運動任務下全腦功能連接狀態模式,各模式的功能連接彊度空間分佈具有明顯差異,模式1、模式2和模式3佔據瞭大部分樣本分佈(77.6％),且與平均靜態功能連接彊度矩陣之間的相似度明顯高于其他5箇模式.此外,大腦在各模式之間的狀態遷移遵循一定的規律.實驗結果錶明,採用全腦DFC和FDDL學習相結閤的方法,能夠有效地對任務態下大腦的功能狀態變化進行錶達,為研究腦動態信息處理機製提供基礎.
침대전통정태공능련접분석기술불능준학반영대뇌동태공능상태적문제,제출료일충기우전뇌동태공능련접(DFC)분석대대뇌적상태변화진행표체적방법.수선,이용개체적미산장량성상(DTI)수거구건고정학도전뇌망락,장운동임무하공능자공진성상(fMRI)수거영사도상응DTI공간후,제취각절점fMRI신호;연후,채용활동시간창구방법계산수시간변화적전뇌공능련접강도구진,병제취동태공능련접향량(DFCV)양본;최후,장소유개체적DFCV양본통과기우Fisher준칙적자전학습(FDDL)산법진행희소표체화분류.공득도8개해운동임무하전뇌공능련접상태모식,각모식적공능련접강도공간분포구유명현차이,모식1、모식2화모식3점거료대부분양본분포(77.6％),차여평균정태공능련접강도구진지간적상사도명현고우기타5개모식.차외,대뇌재각모식지간적상태천이준순일정적규률.실험결과표명,채용전뇌DFC화FDDL학습상결합적방법,능구유효지대임무태하대뇌적공능상태변화진행표체,위연구뇌동태신식처리궤제제공기출.
