基于局部差异的最小生成树功能脑网络分类研究

论文摘要

复杂脑网络的分析与研究是近几年来神经精神疾病领域的研究热点。作为复杂网络理论在神经认知科学的具体应用,复杂脑网络在了解有关神经精神疾病的发病机理方面起到了很重要的作用。将图论应用于复杂网络中,会为复杂网络的研究提供更多的方向和思路。最小生成树是应用最为广泛的图论算法之一,作为新兴的有效研究手段,活跃于神经精神疾病的相关研究中。该方法能够确保脑网络的连通性,按一定规则对边进行删减,最终获得总权重最小的生成树。在进行相关指标的计算时,其结果也不会受到网络大小以及密度等因素的干扰,同时,该网络在神经学上也具有良好的可解释性。尽管这一领域已经取得许多令人惊喜的成果,但仍然存在一些亟待解决的问题。先前的研究发现,传统最小生成树的特征提取方法使用局部可量化指标来分类脑疾病,忽略了低权重的连接和集群在大脑网络中信息处理的重要作用,造成网络中一些有用信息丢失,较其他网络特征而言,其分类正确性明显偏低,特征有效性和分类准确率都将会因此下降。在此基础上,本文希望找到一种综合方法既可以最大程度实现组间差异的表征,又能提供更多更有效的分类特征,以服务分类研究。为解决这些问题,本文提出了一种在局部差异网络的基础上构建最小生成树功能网络进行特征提取的新方法。具体的创新工作如下:首先,基于网络的统计被用于识别抑郁组与对照组间功能连接强度有明显区别的连接及连接所涉及的大脑区域,作为构建局部差异网络的第一步。该方法是对大型网络进行统计分析的一种处理图上多重比较问题的非参数统计的有效方法。许多研究已经使用这种方法来识别与实验效果或组间差异相关的连接以及包含人类连接体的网络。其次,对每个局部差异子网进行最小生成树脑网络的构建。所构建的网络在确保连通性的同时,尽可能保持较高的连接强度。本文分别构建以每个脑区及其差异连接所涉及的脑区为节点的局部差异网络,在此基础上,对每个子网进行最小生成树功能连接网络的构建,进行下一步的分析研究。最后,本文对局部差异最小生成树脑网络进行分类研究。大脑作为一种复杂网络,需要对其从多方面进行量化。在每一个局部差异最小生成树脑网络上进行全局和局部指标的计算,可以获得更多可用于分类的有效特征,能在一定程度上提升分类准确率。结果表明,与传统在全脑使用最小生成树构建脑网络的分类方法相比,本文的方法能够提供更多的有效特征,这将使分类准确率有明显的提升。本文为今后在脑网络拓扑属性分析及机器学习应用方面,对网络构建以及特征提取提供重要的可参考依据,也为医学辅助诊断和脑科学特别是脑疾病的研究提供一定的帮助。本文是国家自然科学基金项目《静息态功能脑网络高阶复杂时空效应分析及建模研究》(61876124)的主要组成部分。研究工作还得到了山西省科技厅应用基础研究项目(201801D121135),山西省教育厅高等学校科技创新研究项目(2016139),山西省科技厅重点研发计划项目(201803D31043),教育部赛尔网络下一代互联网技术创新项目(NGII20170712)的支持。本文的关键是在局部差异最小生成树脑网络上进行相关的研究,以及发掘脑疾病患者在其脑网络上发生的改变,希望能获得可以为脑疾病早期诊断起到一定帮助的标志物。这一课题在国际和国内都非常热门且重要。

论文目录

摘要

ABSTRACT

第一章绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 功能磁共振成像的研究及其应用

1.2.2 功能脑网络在脑疾病中的应用研究

1.2.3 最小生成树算法在脑网络中的应用

1.2.4 脑网络中的分类研究

1.3 本文的主要工作

1.4 本文章节的组织结构安排

1.5 本章小结

第二章局部差异最小生成树脑网络的构建

2.1 研究框架

2.2 数据采集与预处理

2.2.1 被试的选择

2.2.2 数据采集

2.2.3 数据预处理

2.3 局部差异最小生成树脑网络构建

2.3.1 节点的定义

2.3.2 边的定义

2.3.3 局部差异网络的构建

2.3.4 基于局部差异的最小生成树功能脑网络构建

2.4 本章小结

第三章局部差异最小生成树脑网络拓扑指标及分析

3.1 网络拓扑指标

3.1.1 全局指标

3.1.2 局部指标

3.2 统计分析

3.2.1 非参数检验

3.2.2 回归分析

3.3 本章小结

第四章抑郁症脑网络的连接及节点属性差异分析

4.1 差异连接及脑区

4.1.1 结果

4.1.2 分析

4.2 全局属性

4.2.1 结果

4.2.2 分析

4.3 局部属性

4.3.1 结果

4.3.2 分析

4.4 本章小结

第五章分类及影响因素分析

5.1 分类

5.1.1 特征选择

5.1.2 特征权重

5.1.3 分类方法

5.1.4 分类结果

5.1.5 不同方法分类结果比较

5.2 方法论

5.2.1 NBS阈值选择对特征数量的影响

5.2.2 不同最小生成树算法对分类结果的影响

5.2.3 SVM参数寻优

5.3 本章小结

第六章总结与展望

6.1 总结

6.2 展望

参考文献

附录1：被试基本信息统计表

附录2：AAL模板脑区定义名称及缩写

附录3：多元线性回归的详细信息

致谢

攻读学位期间发表的学术论文目录

文章来源

类型: 硕士论文

作者: 李舒婷

导师: 陈俊杰

关键词: 最小生成树,局部差异网络,抑郁症,脑网络,机器学习,分类

来源: 太原理工大学

年度: 2019

分类: 基础科学

专业: 数学

单位: 太原理工大学

基金: 国家自然科学基金项目《静息态功能脑网络高阶复杂时空效应分析及建模研究》(61876124),山西省科技厅应用基础研究项目(201801D121135),山西省教育厅高等学校科技创新研究项目(2016139),山西省科技厅重点研发计划项目(201803D31043),教育部赛尔网络下一代互联网技术创新项目(NGII20170712)

分类号: O157.5

总页数: 91

文件大小: 3377K

下载量: 111

基于局部差异的最小生成树功能脑网络分类研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢