学海网

基于fMRI和DTI融合的脑默认模式功能网络研究（硕士学位论文），共63页。
【摘要】：功能磁共振成像(fMRI)可反映脑皮质对认知任务或外界刺激响应的血氧功能；弥散张量成像(DTI)可以追踪出脑区之间纤维束连接的结构。融合两种图像，可精确直观地揭示脑功能区之间纤维结构连接的关系。 静息态fMRI是大脑的自发活动，揭示各脑区之间的关联，对大脑的运行机制能够更深入研究。默认模式网络(DMN)是在人脑处于静息状态时维持人脑健康代谢活动的若干具有时间相关性的脑区组成的网络。 本文将对独立成分分析（ICA）进行改进，并应用于fMRI功能区的提取。提出结合经典相关分析（CCA）的ICA算法和参考独立成分分析（ICA-R）算法对静息态fMRI的功能区进行提取，定位DMN并以此为种子区，融合DTI数据追踪功能区之间的纤维连接，得到DMN功能连接网络。论文主要研究内容如下： 1.提出CCA+ICA算法定位静息态fMRI的DMN。首先采用CCA降低fMRI数据的空间维度，基于ICA提取静息态fMRI的DMN。仿真和影像数据处理表明，CCA+ICA算法可有效减少迭代次数，提高数据处理的效率。 2.提出参考独立成分分析（ICA-R）算法处理静息态fMRI定位DMN。将源信号的部分先验信息作为ICA-R算法的参考信号，可以高效地得到一个独立成分作为期望源信号的估计，且该独立成分和参考信号最为接近。仿真和影像数据处理表明，该算法可有效提高效率，且对DMN提取更符合人的生理特性。 3.静息态fMRI融合弥散加权成像(DTI)追踪DMN功能区之间的纤维连接，获取DMN功能连接网络。首先以fMRI定位出的DMN功能区作为种子区，与DTI图像进行空间配准，采用遗传+模拟退火算法追踪种子区之间的纤维连接，得到DMN功能连接网络。
【关键词】：功能磁共振成像 默认网络 弥散张量成像 独立成分分析

【目录】：
中文摘要4-5
Abstract5-9
第一章 绪论9-13
1.1 课题研究背景及意义9-10
1.2 国内外研究现状10-11
1.3 本文主要研究工作及论文结构安排11-13
第二章 磁共振成像技术13-23
2.1 磁共振成像原理13-15
2.2 功能磁共振成像（fMRI）15-19
2.2.1 功能磁共振成像原理15-16
2.2.2 静息态功能磁共振成像16-17
2.2.3 fMRI 数据预处理工具17-19
2.3 弥散张量成像（DTI）19-22
2.3.1 弥散张量成像原理19-20
2.3.2 弥散张量成像的数据处理20-22
2.4 本章小结22-23
第三章 独立成分分析在 fMRI 的研究23-38
3.1 独立成分分析23-27
3.1.1 独立成分分析的提出23
3.1.2 独立成分分析的数学模型23-25
3.1.3 主成分分析（PCA）25-26
3.1.4 独立成分分析算法26-27
3.2 快速不动点算法（fastICA）27-33
3.2.3 fastICA 算法31-33
3.3 CCA+空间 fastICA 算法33-35
3.3.1 CCA 算法原理33-34
3.3.2 CCA+空间 fastICA 算法定位 fMRI 功能区34-35
3.4 数据处理及结果分析35-36
3.4.1 仿真数据的处理35-36
3.4.2 静息态 fMRI 数据的处理36
3.5 本章小结36-38
第四章 基于 fMRI 的参考独立成分分析算法38-45
4.1 参考独立成分分析（ICA-R）算法38-39
4.1.1 问题的提出38
4.1.2 算法原理38-39
4.2 基于 ICA-R 算法提取默认网络39-41
4.3 数据处理及结果分析41-44
4.3.1 仿真数据的研究41-42
4.3.2 静息态 fMRI 数据的研究42-43
4.3.3 默认模式网络研究43-44
4.4 本章小结44-45
第五章 基于 fMRI 和 DTI 融合的脑默认模式网络提取45-54
5.1 纤维连接 ROI 的确定45-46
5.1.1 图像空间配准45-46
5.1.2 确定种子点46
5.2 遗传+模拟退火算法的神经纤维追踪46-50
5.2.1 遗传算法46-48
5.2.2 遗传+模拟退火算法追踪纤维48-50
5.3 基于 fMRI 与 DTI 融合的大脑默认网络研究50-53
5.4 本章小结53-54
第六章 总结与展望54-56
参考文献56-61
硕士研究生发表论文61-62
致谢62-63