基于頻域分析和結構聚類的fMRI數據處理方法研究.pdf

1、隨著輕度認知功能障礙診療，如抑郁、帕金森、阿爾茨海默病等領域研究的逐步深入，數據挖掘在腦功能認知數據分析中，尤其在多屬性分析、功能認知模式分析等領域，扮演著重要角色。在進行fMRI數據分析的過程中發(fā)現，輕度認知功能障礙診療數據分析中存在兩個潛在的問題，即腦激活區(qū)提取中的延遲問題與提取功能連通模式的可靠性問題。首先，在提取功能認知實驗的腦激活區(qū)中，當功能認知任務刺激信號與血液動力學響應信號之間在多個被試中存在不特定延遲的時候，提取的腦激活

2、區(qū)域的準確性下降問題。另一方面，由于靜息態(tài)實驗可執(zhí)行性高，輕度功能認知障礙診療的研究熱點近年來逐漸集中于靜息態(tài)數據，并且發(fā)現功能連通模式是一種有效的診斷評價特征。若當靜息態(tài)數據不服從分析模型假設時，存在所提取的功能連通模式的可靠性會降低的問題。本文深入研究了fMRI數據處理方法在上述情況下存在的潛在問題，結合數據挖掘與統(tǒng)計學方面的相關思想，并在與醫(yī)生進行充分溝通的前提下，進行了大量結合實際的仿真研究。主要工作包括:針對腦激活提取中的延遲

3、問題，發(fā)現通過頻域特征可提高fMRI數據處理結果中提取腦激活區(qū)的準確性。針對提取功能連通模式的可靠性問題和大規(guī)模腦功能網絡，則利用基于三元環(huán)的復合結構相似性理論改善了fMRI數據處理中提取的功能連通模式的準確性與魯棒性。為了進一步提高所提取的功能連通模式的可靠性，在小規(guī)模腦功能網絡中，提出基于k完全子圖特征的結構聚類方法。
　　本研究主要內容包括：⑴提出基于空間仿射度量的fMRI時間序列腦激活區(qū)域提取算法。該算法是一個可以從fMR

4、I血氧水平依賴信號中提取腦激活區(qū)的數據挖掘算法，通過結合頻域特征與時域特征的特性，可以在功能認知任務刺激信號與血液動力學響應信號之間存在不特定延遲時，獲得更準確的腦激活區(qū)。24名被試的fMRI數據測試以及受試者工作特征曲線定量分析結果顯示，使用該算法提取的腦激活區(qū)準確性優(yōu)予以往基于GLM提取的腦激活區(qū)準確性。⑵提出基于拓撲結構相似度與三元環(huán)的fMRI拓撲網絡功能連通模式提取算法。該算法是一種從腦功能連通性網絡中提取功能連通模式的無監(jiān)督聚

5、類算法，其中聚類結果中的簇即為功能連通模式，結合拓撲結構相似性與三元環(huán)拓撲結構特征，在保留了結構相似性特征所具有的聚類結果特性的基礎上，利用三元環(huán)拓撲結構對其邊界進行優(yōu)化，降低聚類結果中的離群點的偽陽性率。利用仿真拓撲網絡進行的實驗研究結果表明，本文所提算法與以往基于SCAN研究相比，在適用于大規(guī)模腦功能連通性網絡的同時，聚類結果的準確度優(yōu)于以往的方法。⑶提出基于k完全子圖特征的fMRI拓撲網絡功能連通模式提取算法。該算法是一種以功能連

6、通模式自身為特征的無監(jiān)督聚類算法，主要面向fMRI功能連通模式提取。本文利用圖論和計算理論等相關手段，改善了傳統(tǒng)完全子圖因為計算量極大而難以應用到現實數據當中的情況。使得基于k完全子圖特征的結構聚類方法在計算成本上可行。利用仿真拓撲網絡進行的實驗表明，基于k完全子圖的結構聚類算法無論是聚類準確度還是魯棒性均優(yōu)于傳統(tǒng)的SCAN結構聚類算法。面向靜息態(tài)功能連通性網絡的功能連通模式提取實驗結果表明，利用基于k完全子圖的結構聚類算法提取的腦網絡