局部信息方法在功能腦網(wǎng)絡(luò)建模中的應(yīng)用研究.pdf

1、近年來(lái)，隨著研究的深入，腦網(wǎng)絡(luò)已經(jīng)成為了熱點(diǎn)領(lǐng)域。腦網(wǎng)絡(luò)由結(jié)構(gòu)腦網(wǎng)絡(luò)與功能腦網(wǎng)絡(luò)兩部分組成，并且二者之間有著密不可分的關(guān)系。人們對(duì)腦網(wǎng)絡(luò)進(jìn)行研究，其主要關(guān)注點(diǎn)在于結(jié)構(gòu)腦網(wǎng)絡(luò)與功能腦網(wǎng)絡(luò)的拓?fù)涮匦砸约皩傩苑治觥ＤX網(wǎng)絡(luò)是一個(gè)非常復(fù)雜的系統(tǒng)。在人腦中，神經(jīng)元數(shù)量達(dá)數(shù)十億之多，規(guī)模非常龐大。并且，神經(jīng)元的連接還存在著不同的行為、認(rèn)知模式。目前人們對(duì)腦網(wǎng)絡(luò)的研究有神經(jīng)元級(jí)別、體素級(jí)別以及腦區(qū)級(jí)別等不同的研究層面。有研究顯示，當(dāng)腦區(qū)劃分達(dá)到4000

2、個(gè)時(shí)，其計(jì)算量已經(jīng)超出了目前的計(jì)算能力。由此可見，對(duì)功能腦網(wǎng)絡(luò)的研究在很大程度上依賴于科學(xué)計(jì)算。正是由于計(jì)算量問題，許多學(xué)者開始尋求利用模擬仿真的方法來(lái)研究功能腦網(wǎng)絡(luò)的拓?fù)鋵傩?，腦網(wǎng)絡(luò)建模這一熱點(diǎn)問題也就應(yīng)運(yùn)而生了。
　　隨著腦網(wǎng)絡(luò)建模研究的不斷發(fā)展，人們已經(jīng)嘗試過(guò)基于很多網(wǎng)絡(luò)特性的建模方法，并已取得了一定的成果。在功能腦網(wǎng)絡(luò)建模領(lǐng)域，經(jīng)過(guò)大量的研究證實(shí)，結(jié)構(gòu)度在預(yù)測(cè)功能腦網(wǎng)絡(luò)特性方面具有很大的優(yōu)勢(shì)。也有一些研究將解剖距離作為功能

3、連接的一個(gè)參數(shù)，也取得了一定的效果。還有一些研究將節(jié)點(diǎn)的共同鄰居（Common Neighbor，CN）作為節(jié)點(diǎn)相似度指標(biāo)用于模擬功能連接，并經(jīng)過(guò)證實(shí)，基于共同鄰居的建模結(jié)果非常好。至于建模所采用的數(shù)學(xué)模型，目前主流的模型是將腦網(wǎng)絡(luò)的結(jié)構(gòu)特性與功能特性分別作為建模的變量來(lái)模擬功能連接。經(jīng)過(guò)大量的調(diào)研，本文最終也沿用了基于結(jié)構(gòu)特性與功能特性的數(shù)學(xué)模型。
　　本文的主要?jiǎng)?chuàng)新工作有以下幾點(diǎn)：
　　第一，將鏈路預(yù)測(cè)方法中所采用的局部

4、信息指標(biāo)應(yīng)用到功能腦網(wǎng)絡(luò)建模中。鏈路預(yù)測(cè)中的局部信息指標(biāo)指的是根據(jù)節(jié)點(diǎn)的相似度來(lái)對(duì)節(jié)點(diǎn)之間是否存在連接進(jìn)行預(yù)測(cè)。先前研究曾將節(jié)點(diǎn)的共同鄰居作為節(jié)點(diǎn)相似性指標(biāo)用于功能腦網(wǎng)絡(luò)建模。本文經(jīng)過(guò)調(diào)研發(fā)現(xiàn)，共同鄰居就是一個(gè)最典型的局部信息指標(biāo)。而且，除了共同鄰居之外，還有很多局部信息指標(biāo)存在，如果將這些指標(biāo)用于建模，是否也能取得與共同鄰居一樣甚至更好的效果呢？本文根據(jù)鏈路預(yù)測(cè)精確度篩選出了8個(gè)指標(biāo)，并將其用于預(yù)測(cè)功能腦網(wǎng)絡(luò)的連接。局部信息指標(biāo)的計(jì)算

5、方式其實(shí)是有所不同的。有的指標(biāo)是基于節(jié)點(diǎn)的度計(jì)算得到的，有的則是基于共同鄰居計(jì)算得到的，而還有的指標(biāo)是既要考慮節(jié)點(diǎn)的度，又要考慮共同鄰居。因此，本文將局部信息指標(biāo)分為3種類型：基于共同鄰居的指標(biāo)；基于節(jié)點(diǎn)的度的指標(biāo)；將二者相結(jié)合的指標(biāo)。本文重點(diǎn)研究了究竟哪類指標(biāo)對(duì)功能腦網(wǎng)絡(luò)建模的適用度最高。
　　第二，提出了一種基于腦網(wǎng)絡(luò)屬性之間相對(duì)誤差的網(wǎng)絡(luò)相似度評(píng)價(jià)方法。在腦網(wǎng)絡(luò)領(lǐng)域，公認(rèn)的網(wǎng)絡(luò)性能的評(píng)價(jià)指標(biāo)是腦網(wǎng)絡(luò)的全局與局部屬性。全局屬性

6、，如特征路徑長(zhǎng)度，全局效率等；局部屬性，如聚合系數(shù)，局部效率等。腦網(wǎng)絡(luò)屬性從本質(zhì)上說(shuō)是衡量網(wǎng)絡(luò)通信效率的指標(biāo)。在計(jì)算腦網(wǎng)絡(luò)屬性時(shí)，采用的是圖論中的節(jié)點(diǎn)和邊的概念。并且，腦網(wǎng)絡(luò)屬性都是復(fù)雜網(wǎng)絡(luò)領(lǐng)域所采用的網(wǎng)絡(luò)分析指標(biāo)。但是對(duì)于網(wǎng)絡(luò)相似度，目前腦網(wǎng)絡(luò)領(lǐng)域尚沒有一個(gè)權(quán)威的評(píng)價(jià)方法。本文結(jié)合腦網(wǎng)絡(luò)實(shí)際問題提出了一種新的相似度的量化指標(biāo)。在本文提出的相似度計(jì)算方法中，利用相對(duì)誤差的絕對(duì)值來(lái)衡量各個(gè)模型網(wǎng)絡(luò)的屬性與真實(shí)網(wǎng)絡(luò)屬性的差異程度，并將各個(gè)屬

7、性的相對(duì)誤差的絕對(duì)值相加，給出了一個(gè)綜合多種腦網(wǎng)絡(luò)屬性的整體相似度評(píng)價(jià)指標(biāo)。事實(shí)上，相對(duì)誤差越大，說(shuō)明網(wǎng)絡(luò)的差異越大，所以更確切地說(shuō)，相對(duì)誤差衡量的是網(wǎng)絡(luò)的差異程度而不是相似度。因此，本文沿用了先前研究中的 E值形式，將多種腦網(wǎng)絡(luò)屬性的相對(duì)誤差值作為分母，使得E值越大，網(wǎng)絡(luò)的相似度越高。
　　第三，提出了一種基于鏈路預(yù)測(cè)精確度的快速判斷建模效果的方法。腦網(wǎng)絡(luò)建模非常復(fù)雜，包括前期的數(shù)據(jù)采集，數(shù)據(jù)預(yù)處理，以及后續(xù)的功能腦網(wǎng)絡(luò)構(gòu)建，網(wǎng)

8、絡(luò)屬性的計(jì)算以及網(wǎng)絡(luò)相似度的評(píng)價(jià)等。完成腦網(wǎng)絡(luò)建模需要付出大量的時(shí)間和計(jì)算成本。本文根據(jù)局部信息指標(biāo)在鏈路預(yù)測(cè)實(shí)驗(yàn)中的表現(xiàn)提出了一種快速判斷建模效果的方法（實(shí)驗(yàn)假設(shè)）：假設(shè)局部信息指標(biāo)在鏈路預(yù)測(cè)實(shí)驗(yàn)中精確度越高，則越適合用于功能腦網(wǎng)絡(luò)建模。為了驗(yàn)證該假設(shè)，本文將網(wǎng)絡(luò)相似度E值與鏈路預(yù)測(cè)精確度指標(biāo)PrecisionPower進(jìn)行了關(guān)聯(lián)分析。結(jié)果顯示，二者之間存在顯著的線性關(guān)系，說(shuō)明假設(shè)成立，我們可以根據(jù)鏈路預(yù)測(cè)精確度的數(shù)值大小來(lái)對(duì)局部信息