基于线性变换的功能磁共振数据分析方法应用研究

摘要

人脑是自然界进化中最为复杂的产物，数百年来，人类一直试图解开大脑的奥秘。随着脑成像技术发展，人们对脑的研究已不仅局限于解剖定位，更多的是对脑功能活动基本过程的深入研究。功能磁共振成像是20世纪90年代以后发展起来的一项用来研究人脑在刺激响应下的功能的神经影像学技术。其成像原理主要是基于血流的敏感性和血氧水平依赖性(BOLD)信号的变化检测脑激活区域。功能磁共振成像具有很多优势，如无创伤性、无放射性、具有较高的时间分辨率、可多次重复操作等。因此，近年来功能磁共振成像已成为脑功能成像的首选方法，许多处理fMRI数据的方法也应运而生。本文主要对基于线性变换的功能磁共振数据分析方法进行了应用研究。
　　 对fMRI信号的研究大多是在假定已知事件的相关时间过程曲线的情况下，利用相关性分析得到脑的激活区域。若将fMRI信号分析看作是一种盲源分离问题，在不清楚其时间过程曲线、也不清楚有哪几种因素对fMRI信号有贡献的情况下，可用独立成分分析方法对fMRI信号进行盲源分离，提取不同独立成分得到任务相关成分以及其它产生fMRI信号的多种源信号。本文讨论了使用ICA方法处理fMRI数据的理论基础、建模，并设计实验使用软件fmrlab对fMRI数据进行了分析。
　　 最优线性变换(OLT)是一种图像特征空间的分析技术，它首先应用于MRI领域。本文提出一种新的方法，把OLT的应用由MRI扩展到fMRI，以期改进传统fMRI激活区检测分析方法的性能。这种方法包括：1）不同激励的理想血流动力学响应时间序列由理论血流动态晌应模型与激励时间信号卷积得到。2）由根据理想血流动力学响应构建感兴趣激励模型的特征向量，并用OLT提取fMRI数据的特征。作为结果的特征空间拥有良好的几何聚类属性，被分为属于不同感兴趣激励模型的种类。进而，由平均获得每个种类的特征向量。3）应用所得到的特征向量，再次应用OLT产生fMRI复合图像。我们使用仿真的fMRI数据和一个组块设计的fMRI试验数据比较了本文方法与基于广义线性模型(GLM)方法的应用性能。仿真研究与试验结果显示了本文方法对于GLM方法在检测脑部激活区域上的优越性。

目录

文摘

英文文摘

Table of contents

符号说明

第一章 绪论

第一节 课题的来源与背景

第二节 课题的研究内容及论文的结构

第二章 功能磁共振成像

第一节 概述

2.1.1 核磁共振原理

2.1.2 功能磁共振成像

2.1.3 fMRI实验设计

第二节 几种常见的fMRI数据处理方法

2.2.1 数据驱动方法

2.2.2 模型驱动方法

第三节 fMRI数据分析方法的评价标准——ROC

2.3.1 ROC分析的基本原理及ROC曲线的概念

2.3.2 ROC曲线的绘制和评价方法

第三章 基于独立成分分析的分析方法

第一节 独立成分分析技术的研究进展

第二节 独立成分分析的基本原理

第三节 ICA的几种常见算法

3.3.1 互信息最小化

3.3.2 BS算法与扩展的BS算法

3.3.3 极大似然估计

3.3.4 非线性PCA—最小二乘算法

第四节 ICA应用在fMRI数据分析中的理论基础及建模

3.4.1 ICA方法用于fMRI数据分析的合理性

3.4.2 使用sICA分析fMRI数据的模型建立

第五节 使用fmrlab分析fMRI数据

3.5.1 软件fmrlab概述

3.5.2 fMRI数据的获取和试验设计

3.5.3 fmrlab处理的过程和实验结果

第四章 基于最优线性变换的功能磁共振成像特征空间分析

第一节 概述

第二节 理论与方法

4.2.1 fMRI时间序列图像特征提取

4.2.2 产生fMRI复合图像

第三节 基于OLT的fMRI数据特征空间分析方法

第五章 仿真研究及一个组块设计fMRI实验的数据处理

第一节 仿真方案

5.1.1 生成fMRI仿真数据

5.1.2 激励及活动体素

第二节 仿真实验结果

5.2.1 基于OLT的特征提取和聚类

5.2.2 使用OLT产生fMRI复合图像

第三节 与GLM方法的比较

5.3.1 AFNI中基于GLM的分析方法

5.3.2 ROC分析

第四节 组块设计的fMRI实验数据处理

5.4.1 fMRI数据的获取和试验设计

5.4.2 数据处理

第五节 讨论

第六章 结论与展望

参考文献

致谢

硕士期间发表的论文

学位论文评阅及答辩情况表