检索结果-南通市图书馆

中国图象图形学报 2023年第2期28卷 589-600页

作者：袁振侯玉亮杜宇慧山西大学计算机与信息技术学院太原030006

目的在脑科学领域,已有研究借助脑功能核磁共振影像数据(functional magnetic resonance imaging,fMRI)探索和区分人类大脑在不同运动任务下的状态,然而传统方法没有充分利用fMRI数据的时序特性。对此,本文提出基于fMRI数据计算的全脑... 详细信息

目的在脑科学领域,已有研究借助脑功能核磁共振影像数据(functional magnetic resonance imaging,fMRI)探索和区分人类大脑在不同运动任务下的状态,然而传统方法没有充分利用fMRI数据的时序特性。对此,本文提出基于fMRI数据计算的全脑脑区时间信号(time course,TC)的门控循环单元(gated recurrent unit,GRU)方法(TC-GRU)进行运动任务分类。方法基于HCP(human connectome project)数据集中的100个健康被试者在5种运动任务中分两轮采集的1000条fMRI数据,对每种运动任务计算每个被试者在各脑区(共360个脑区)的时间信号;使用10折交叉验证方案基于训练集和验证集训练TC-GRU模型,并用构建好的模型对测试集进行测试,考察其对5种运动任务的分类能力,其中TC-GRU在各时刻的输入特征为全脑脑区在对应时刻的TC信号幅值,通过这样的方式提取全脑脑区在整个时间段的时序特征。同时,为了展示使用TC-GRU模型可挖掘fMRI数据中更丰富的信息,设计了多个对比实验进行比较,利用长短期记忆网络(long short-term memory,LSTM)、图卷积网络(graph convolutional network,GCN)和多层感知器(multi-layer perceptron,MLP)基于全脑脑区时间信号进行运动任务分类,以及利用MLP基于由fMRI数据估计的脑功能连接进行运动任务分类。此外,考察了先验的特征选择对分类效果的效应。结果基于全脑脑区时间信号的TC-GRU模型在运动任务中的分类准确率最高,为94.51%±2.4%,其次是基于全脑脑区时间信号的LSTM模型,准确率为93.73%±2.67%。基于全脑脑区时间信号利用MLP进行分类,有先验和无先验的特征选择准确率分别为92.75%±2.59%和92.04%±7.15%,比基于全脑脑区时间信号的GCN(准确率为87.14%±3.73%)和基于脑功能连接利用MLP进行分类(有先验和无先验的特征选择准确率分别为72.47%±4.47%和61.49%±9.97%)表现更好。结论TC-GRU模型可挖掘脑fMRI数据中丰富的时序信息,非常有效地对不同的运动任务进行分类。

关键词：脑功能核磁共振成像全脑脑区时间信号功能连接门控循环单元(GRU) 多层感知器(MLP) 运动任务分类

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于体素邻域信息的均值漂移聚类算法检测fMRI激活区

引用

江苏大学学报（自然科学版） 2016年第5期37卷 556-561页

作者：张睿熊金虎汪东兴高欣中国科学院苏州生物医学工程技术研究所江苏苏州215163 中国科学院长春光学精密机械与物理研究所吉林长春130000 中国科学院大学北京100049 爱荷华大学放射科美国爱荷华城52240 苏州大学附属第二医院神经内科江苏苏州215004

为了提高fMRI激活区提取算法的抗噪能力及精确性,提出了一种基于体素邻域信息的均值漂移聚类算法.采用互相关分析方法计算每个体素的时间序列与刺激函数的相关系数,并计算该体素的时间序列与邻域中体素的时间序列的相关系数,以这2种相... 详细信息

为了提高fMRI激活区提取算法的抗噪能力及精确性,提出了一种基于体素邻域信息的均值漂移聚类算法.采用互相关分析方法计算每个体素的时间序列与刺激函数的相关系数,并计算该体素的时间序列与邻域中体素的时间序列的相关系数,以这2种相关系数构建有效整合体素邻域信息的二维特征空间.再用均值漂移算法对此特征空间进行聚类搜索,完成对脑神经活动区域的检测.利用仿真数据和实际fMRI数据对算法进行测试.仿真数据测试结果表明,当选定合适的核宽,无论激活区域大小,所提出算法的敏感性和特异性均优于较传统的互相关分析算法和互相关聚类算法.实际fMRI数据测试结果显示,所提出算法与其他2种算法的结果具有良好的一致性,而所提出算法的检测区域更完整.

关键词：脑功能核磁共振成像均值漂移聚类邻域信息互相关分析抗噪能力

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

电针对IAD患者脑功能影响的fMRI研究

电针对IAD患者脑功能影响的fMRI研究

引用

作者：陈西希成都中医药大学

学位级别：硕士

目的：本课题运用电针对互联网成瘾综合征（IAD）患者进行治疗,通过网络瘾自评量表评分、症状评分、抑郁自评评分、汉密尔顿抑郁量表评分的结果以及脑功能核磁共振成像中的相关指标和变化,了解该疗法对该类患者身心状况及对脑功能... 详细信息

目的：本课题运用电针对互联网成瘾综合征（IAD）患者进行治疗,通过网络瘾自评量表评分、症状评分、抑郁自评评分、汉密尔顿抑郁量表评分的结果以及脑功能核磁共振成像中的相关指标和变化,了解该疗法对该类患者身心状况及对脑功能的影响。旨在探寻更为科学可靠、简便易行的网络成瘾治疗方法,同时也期望能为网络成瘾提供科学客观的诊断和疗效评价依据。方法：将32例符合纳入标准的网络成瘾受试者随机分为两组,每组各16例,其中有2例脱落,1例剔除,实际完成研究例数29例,其中电针组15例,心理组14例。两组分别采取电针康复治疗以及心理康复治疗。治疗40天即两个疗程后,采用康复评定量表及脑功能核磁共振成像中的相关指标观察治疗前后各组的症状体征、心理状况及大脑功能的变化。另设一正常对照组,纳入16例正常志愿者,同时采用康复评定量表及脑功能核磁共振成像中的相关指标对比,观察正常组与治疗组治疗前后在症状、体征、心理状况及大脑功能状态的差异。结果： 1、·电针组和心理组网络成瘾患者症状、网瘾状况、抑郁状态在治疗后均得到改善,电针组和心理组治疗前后组内比较,统计学上均有显著性差异（P＜0.05）;电针组和心理组网络成瘾患者的症状、网络瘾状况、抑郁状态在治疗后组间比较上无显著性差异（P＞0.05）。 2、正常组与电针组治疗后在症状、网瘾状况、抑郁状态的组间比较无显著性差异（P＞0.05）;正常组与心理组治疗后在网络成瘾自评量表评分,抑郁自评量表评分,SCL-90的总分,阴性均分、躯体化、焦虑、恐怖、精神及其他项目上的组间比较有显著差异性（P＜0.05）,而在汉密尔顿抑郁量表,SCL-90的阳性均分、强迫状态、人际关系、抑郁、敌对、偏执项目上的组间比较无显著差异性（P＞0.05）。 3、功能核磁共振（fMRI）的指标检测结果显示,电针组治疗后被试者左侧枕叶内侧的楔叶、距状回、舌回附近的区域出现灰质密度增高的团簇,而在双侧尾状核头部的一部分,右侧梭状回、海马旁回,小脑扁桃体、蚓部出现灰质密度减低的团簇：心理组治疗后,左侧枕叶内侧的楔叶、距状回、舌回附近的区域出现灰质密度增高的团簇,而在右侧额叶内侧及相邻的中扣带,左侧的枕叶、梭状回等,右侧小脑扁桃体、脑桥及脑干,右侧颞中回,左侧顶下小叶,左侧顶叶,涉及楔前叶、顶上/下小叶,右侧额中回部位出现灰质密度减低的团簇,电针组和心理组治疗前后进行组内比较,统计学上有显著差异性（P＜0.05）。电针组和心理康复组网络成瘾患者的灰质密度的组间比较未发现显著性差异（P＞0.05）。

关键词：网络成瘾脑功能核磁共振成像心理康复电针

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

用于fMRI数据分析的多特征空间均值漂移聚类算法

用于fMRI数据分析的多特征空间均值漂移聚类算法

引用

作者：张睿中国科学院研究生院(长春光学精密机械与物理研究所)

学位级别：硕士

功能磁共振成像(fMRI)能够无创获取脑活动图像数据,具有较高的空间和时间分辨率,是研究脑科学强有力的工具。然而,由于fMRI信号变化幅度非常微弱,与噪声的波动几乎一致,使得从噪声中分离fMRI信号,并进行脑激活区检测变得尤为困难。本论... 详细信息

功能磁共振成像(fMRI)能够无创获取脑活动图像数据,具有较高的空间和时间分辨率,是研究脑科学强有力的工具。然而,由于fMRI信号变化幅度非常微弱,与噪声的波动几乎一致,使得从噪声中分离fMRI信号,并进行脑激活区检测变得尤为困难。本论文针对现有脑激活区检测算法准确性低、可靠性差等问题,充分利用fMRI数据的时间和空间特征,提出了两种新的激活区域检测算法。首先在fMRI数据时间特征的基础上,提出了基于频域特征的均值漂移聚类算法(FD-MSC)。该方法将fMRI频域信息与均值漂移聚类算法相结合,采用快速傅里叶变换获得fMRI数据的频域特征空间,利用均值漂移算法对频域特征空间进行聚类搜索,获得激活区检测结果。其次在fMRI数据空间特征的基础上,提出了基于邻域特征的均值漂移聚类算法(VN-MSC)。该方法将fMRI空间邻域信息与均值漂移聚类算法相结合,采用互相关分析方法获得fMRI数据的邻域特征空间,利用均值漂移算法对此邻域特征空间进行聚类搜索,完成对脑激活区域的检测。我们分别采用仿真数据和真实fMRI数据对以上两种算法进行定量和定性评估,仿真实验结果表明,当选定合适的核宽,所提两种算法的敏感性和特异性均优于较传统的互相关分析算法(CCA)和互相关聚类算法(CCA+CA)。实际fMRI数据测试结果显示,所提两种算法同CCA与CCA+CA的结果具有良好的一致性,且所提算法的检测区域更完整。通过结果分析,FD-MSC算法充分利用数据的时间特征,适合用于检测频域表现较强的fMRI信号;VN-MSC算法充分利用数据的空间特征,适合用于检测空间域高度相关的fMRI信号。所提两种算法都具有良好的抗噪能力和高灵敏度,为fMRI脑激活区域检测提供了一种新的方法。

关键词：脑功能核磁共振成像均值漂移聚类频域特征邻域特征抗噪能力

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：