基于Transformer模型和7T fMRI的大脑沟回功能特性研究

作     者：贺良 

作者单位：电子科技大学 

学位级别：硕士

导师姓名：蒋希

授予年度：2023年

学科分类：0710[理学-生物学] 0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1002[医学-临床医学] 07[理学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 080401[工学-精密仪器及机械] 071006[理学-神经生物学] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 10[医学] 

主      题：大脑沟回 功能磁共振 7T场强 Transformer 认知行为 

摘      要：高度卷积的皮层褶皱是人脑最显著的解剖学特征,可以被细分为凸起的脑回和凹陷的脑沟。随着大脑皮层从光滑到高度褶皱化,人脑高级认知功能也逐渐形成并完善。已有大量研究基于时频特性、功能连接、神经纤维、皮层厚度和神经活动等多方面的差异,将脑回和脑沟视为人脑褶皱结构和功能的两个基本单元。尽管很多开创性研究在理解沟回的功能特性差异方面取得了极大的进展,但仍存在一些不足:1)目前对沟回功能信号时频特性差异的研究仅使用了擅长提取局部特征的卷积神经网络,忽略了时间序列的长程依赖特征,也未结合现有脑科学理论分析其时频差异代表的神经活动意义;2)目前对沟回功能连接特性差异的研究未能充分结合具有自注意力机制的图网络模型,常常忽略了复杂的沟回拓扑结构空间特征,也未充分探索模型所学特征连接的生理意义;3)目前对沟回功能差异特性研究的结论大多是通过分析3T功能磁共振数据得到的,该结论在具有更高时空分辨率的7T功能磁共振数据集中是否具有一致性还有待验证。针对上述不足,本论文使用公开的已获授权的人脑连接组项目的7T多模态(包括静息态和观看电影的自然刺激)功能磁共振数据集,深入探索沟回的功能特性差异。为解决第一和第三点不足,我们使用了能捕获沟回功能信号长程依赖时序特征的Transformer模型,并结合在脑科学领域中体现神经活动强度的分数低频波动振幅(f ALFF),基于7T静息态功能磁共振数据探究了沟回在脑区尺度上的功能分化程度及内在神经活动差异。为解决第二和第三点不足,我们使用了能够有效建模脑功能网络的Vision Transformer(Vi T)模型,并基于7T静息态和自然刺激功能磁共振数据旨在学习沟回的空间连接模式特征。此外,我们采用按脑区分割以高维嵌入的策略和表征重要性标签的显著图可视化方法从脑区节点尺度上解释结果特有的生理意义,并从功能连接角度探索沟回间的功能特性差异。基于上述研究,我们发现人脑高级功能区具有更高的沟回分类结果,说明了高级功能区具有更高的沟回功能分化程度。同时在Slow-4、Slow-5和Slow-6频段内,高级功能区的f ALFF差异表明皮层神经元的神经活动在脑回中更强,而脑沟对应的高频成分更加复杂。并且与传统的浅层分类模型相比,Transformer表现出更优的分类性能。此外,我们发现脑回-脑回的结构连接长度/强度和功能连接在静息态和自然刺激分类任务中的重要占比均显著大于脑沟-脑沟。并且视觉系统(VIS)和默认模式网络(DMN)在观看电影时分别被激活和抑制,集中了大部分沟回重要节点,对分类更加重要。特别地,上述基于7T功能磁共振数据的沟回功能特性差异研究结果与现有基于3T功能磁共振数据的研究结论具有一致性和可重复性,即脑回倾向于参与长程信息交互和整合皮层功能,更可能作为信息交换中枢。综上所述,本论文基于7T多模态功能磁共振数据集和Transformer模型,系统探索了沟回的功能差异特性,有助于深入理解大脑工作机制。