基于静息态fMRI的功能连接分析方法的研究
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于脑区与脑区之间的功能连接，可能精度尚不够高 且在更多研究中，静息态fMRI数据量相对庞大，信号 的组成也比较复杂，如何提取出有效精准的数据信息 显得尤为重要。且脑网络拓扑图中并未显示出脑区间 的相关程度值的权重，还需进一步研究与优化。
• 本文对静息态脑功能连接的研究分析仍仅仅是基于初
步的探索，归纳总结出进行功能连接的一般思路步骤。 若将静息态功能连接与相关脑疾病研究相结合，则可 以为相关疾病的检测和临床治疗提供更多的依据。
中文名称 Labels Abbr.
coordinates
x(mm) y(mm) z(mm)
后扣带回 35
PCC.L -4.85 -42.92 24.67
后扣带回 36
PCC.R 7.44 -41.81 21.87
角回 65
ANG.L -44.14 -60.82 35.59
角回 66
ANG .R 45.51 -59.98 38.63
15
脑网络连接图
16
四 关键技术与难点
• 1.实验数据的预处理过程； • 2.种子点ROIs的选取； • 3.功能连接结果数据及结果图的分析
包括：阈值的选择，以及如何在相 关系数矩阵的基础上进行脑网络可视化。
• 4.皮尔逊相关分析与偏相关分析不同结
果的对比
17
五 展望：
• 在功能连接方法上，本文实验中采用的度量方法仅是
• 基于静息态fMRI数据的分析方法还包括局部一致性分
析，低频振幅分析等。多种分析方法相结合，可以从 不同的角度度量脑区信息，所得结果将更加精确。
18
谢谢！
19
PRE.R 9.98 -56.05 43.77
12
（3）计算ROIs间的相关系数
• 皮尔逊相关分析：
X=load('filename.txt');% 读入ROIs的时间序列 R= corrcoef(X);% 计算ROIs相关系数 save filename.txt -ascii R %保存
• 偏相关分析：
（5）根据设定的阈值将相关系数矩阵二值化， 构建种子点脑区功能连接网络可视化。
9
（1） 原始数据预处理
Fra Baidu bibliotek
原始图像 数据格式转换
空间标准化
时间层矫正 头动矫正
平滑
去线性漂移
滤波
10
（2）种子点ROIs提取
法一：基于体素级别提取
法二：基于区域级别提取
11
（2）种子点ROIs时间序列提取：
Rest工具包->Extract ROI Time courses
一，用于探究各种神经精神疾病患者与正常人 的功能连接的异同，以帮助临床诊断进而治疗相 关疾病；
二，根据全脑的功能连接与功能分区，构建脑 网络，启示脑认知及类脑人工智能技术的应用与 发展。
3
• 本文首先对静息态fMRI功能连接的原理以及相关知识概念
做了系统的学习探讨。目前基于静息态fMRI数据的分析方 法主要有局部一致性分析，低频振幅分析，功能连接分析 等。
X=load('filename.txt');% 读入ROIs的时间序列 R= partialcorr (X);% 计算ROIs相关系数 save filename.txt -ascii R %保存
13
（4） 构建功能连接
14
（5）脑网络构建
Toolkit: BrainNet Viewer Step:
• 将为脑功能连接在脑疾病上的分析研究做铺垫，并为相关
研究提供一定的参考。
4
二 整体框架
基 于
1. 阅读文献，深入了解课题内容，
静
搜集目前已有的各种功能连接算法
息
态
2.搜集实验数据并完成数据的预处理
功
能 连
3.算法研究及实现
接
算 法
4.实验结果数据分析
的
研
5.总结展望
究
5
三 研究成果
3.1 相关概念及算法
• 1.静息态信号(BOLD-fMRI信号)的原理； • 2.静息态功能磁共振成像数据的分析
方法
• 3.功能连接的理解； • 4.功能连接分析方法的研究；
6
功能连接度量方法
基于模型 驱动方法
相关分析 相干分析 偏相关分析 互信息分析 等
基于数据 驱动方法
主成分分析 独立成分分析 模糊聚类分析 层次聚类分析
前扣带回 31
ACG.L -4.04 35.04 13.95
前扣带回 32
ACG.R 8.46 37.01 15.84
额中回 7
MFG.L -33.43 32.73 35.46
额中回 8
MFG.R 37.59 33.06 34.04
楔前叶 67
PRE.L -7.24 -56.07 48.01
楔前叶 68
7
相关系数
相关分析探讨的是两个变量之间的关联关系，这里就是 探讨两个脑区时间序列之间的相关关系以及相关程度。相 关程度一般用相关系数 r 来衡量。相关系数r表达两种信息： （1）数值表示大小，衡量脑区与脑区之间功能连接的强弱， 其绝对值越大代表相关程度越强。 （2）符号表示方向，正值表示正相关，负值表示负相关。
8
3.2 静息态下功能连接分析步骤：
（1） 原始磁共振图像数据预处理； （2）感兴趣脑区ROI的提取；提取ROI时间序列； （3） 计算感兴趣脑区之间的相关系数； （4）通过统计检验设定功能连接的阈值，判断 脑区之间是否存在功能连接；本实验首先建立 PCC脑区与全脑的功能连接，并将其定位于解剖 结构图，得到了该脑区与全脑功能连接信号强弱 的功能像图谱；
基于静息态fMRI的功能 连接分析方法的研究
1
CONTENTS
• 一、 选题目的及意义 • 二 、实验框架 • 三 、研究成果 • 四 、关键技术与难点 • 五 、展望
2
一 选题目的及意义
人脑是目前人类发现的最复杂和最具智能的功 能组织系统之一，数以万计的神经元相互连接形 成了复杂的脑结构，并通过相互间的作用表现出 多样的智能活动。近年来，随着fMRI技术的发展， 脑功能连接的研究目前主要有两个方向：
• 本课题主要针对静息态fMRI数据在功能连接分析上的计算
与应用进行研究，整理归纳了近几年来脑功能连接算法中 出现的新思路，新方法，对不同功能连接分析方法的异同 进行比对探索。
• 基于理论知识，在MATLAB平台下对获取的原始数据进行
处理，实现静息态下感兴趣脑区之间的功能连接以及与全 脑的功能连接，得到静息态下脑网络的可视化拓扑图。同 时本文也对静息态fMRI功能连接分析的一般思路进行了整 理归纳。
• 本文对静息态脑功能连接的研究分析仍仅仅是基于初
步的探索，归纳总结出进行功能连接的一般思路步骤。 若将静息态功能连接与相关脑疾病研究相结合，则可 以为相关疾病的检测和临床治疗提供更多的依据。
中文名称 Labels Abbr.
coordinates
x(mm) y(mm) z(mm)
后扣带回 35
PCC.L -4.85 -42.92 24.67
后扣带回 36
PCC.R 7.44 -41.81 21.87
角回 65
ANG.L -44.14 -60.82 35.59
角回 66
ANG .R 45.51 -59.98 38.63
15
脑网络连接图
16
四 关键技术与难点
• 1.实验数据的预处理过程； • 2.种子点ROIs的选取； • 3.功能连接结果数据及结果图的分析
包括：阈值的选择，以及如何在相 关系数矩阵的基础上进行脑网络可视化。
• 4.皮尔逊相关分析与偏相关分析不同结
果的对比
17
五 展望：
• 在功能连接方法上，本文实验中采用的度量方法仅是
• 基于静息态fMRI数据的分析方法还包括局部一致性分
析，低频振幅分析等。多种分析方法相结合，可以从 不同的角度度量脑区信息，所得结果将更加精确。
18
谢谢！
19
PRE.R 9.98 -56.05 43.77
12
（3）计算ROIs间的相关系数
• 皮尔逊相关分析：
X=load('filename.txt');% 读入ROIs的时间序列 R= corrcoef(X);% 计算ROIs相关系数 save filename.txt -ascii R %保存
• 偏相关分析：
（5）根据设定的阈值将相关系数矩阵二值化， 构建种子点脑区功能连接网络可视化。
9
（1） 原始数据预处理
Fra Baidu bibliotek
原始图像 数据格式转换
空间标准化
时间层矫正 头动矫正
平滑
去线性漂移
滤波
10
（2）种子点ROIs提取
法一：基于体素级别提取
法二：基于区域级别提取
11
（2）种子点ROIs时间序列提取：
Rest工具包->Extract ROI Time courses
一，用于探究各种神经精神疾病患者与正常人 的功能连接的异同，以帮助临床诊断进而治疗相 关疾病；
二，根据全脑的功能连接与功能分区，构建脑 网络，启示脑认知及类脑人工智能技术的应用与 发展。
3
• 本文首先对静息态fMRI功能连接的原理以及相关知识概念
做了系统的学习探讨。目前基于静息态fMRI数据的分析方 法主要有局部一致性分析，低频振幅分析，功能连接分析 等。
X=load('filename.txt');% 读入ROIs的时间序列 R= partialcorr (X);% 计算ROIs相关系数 save filename.txt -ascii R %保存
13
（4） 构建功能连接
14
（5）脑网络构建
Toolkit: BrainNet Viewer Step:
• 将为脑功能连接在脑疾病上的分析研究做铺垫，并为相关
研究提供一定的参考。
4
二 整体框架
基 于
1. 阅读文献，深入了解课题内容，
静
搜集目前已有的各种功能连接算法
息
态
2.搜集实验数据并完成数据的预处理
功
能 连
3.算法研究及实现
接
算 法
4.实验结果数据分析
的
研
5.总结展望
究
5
三 研究成果
3.1 相关概念及算法
• 1.静息态信号(BOLD-fMRI信号)的原理； • 2.静息态功能磁共振成像数据的分析
方法
• 3.功能连接的理解； • 4.功能连接分析方法的研究；
6
功能连接度量方法
基于模型 驱动方法
相关分析 相干分析 偏相关分析 互信息分析 等
基于数据 驱动方法
主成分分析 独立成分分析 模糊聚类分析 层次聚类分析
前扣带回 31
ACG.L -4.04 35.04 13.95
前扣带回 32
ACG.R 8.46 37.01 15.84
额中回 7
MFG.L -33.43 32.73 35.46
额中回 8
MFG.R 37.59 33.06 34.04
楔前叶 67
PRE.L -7.24 -56.07 48.01
楔前叶 68
7
相关系数
相关分析探讨的是两个变量之间的关联关系，这里就是 探讨两个脑区时间序列之间的相关关系以及相关程度。相 关程度一般用相关系数 r 来衡量。相关系数r表达两种信息： （1）数值表示大小，衡量脑区与脑区之间功能连接的强弱， 其绝对值越大代表相关程度越强。 （2）符号表示方向，正值表示正相关，负值表示负相关。
8
3.2 静息态下功能连接分析步骤：
（1） 原始磁共振图像数据预处理； （2）感兴趣脑区ROI的提取；提取ROI时间序列； （3） 计算感兴趣脑区之间的相关系数； （4）通过统计检验设定功能连接的阈值，判断 脑区之间是否存在功能连接；本实验首先建立 PCC脑区与全脑的功能连接，并将其定位于解剖 结构图，得到了该脑区与全脑功能连接信号强弱 的功能像图谱；
基于静息态fMRI的功能 连接分析方法的研究
1
CONTENTS
• 一、 选题目的及意义 • 二 、实验框架 • 三 、研究成果 • 四 、关键技术与难点 • 五 、展望
2
一 选题目的及意义
人脑是目前人类发现的最复杂和最具智能的功 能组织系统之一，数以万计的神经元相互连接形 成了复杂的脑结构，并通过相互间的作用表现出 多样的智能活动。近年来，随着fMRI技术的发展， 脑功能连接的研究目前主要有两个方向：
• 本课题主要针对静息态fMRI数据在功能连接分析上的计算
与应用进行研究，整理归纳了近几年来脑功能连接算法中 出现的新思路，新方法，对不同功能连接分析方法的异同 进行比对探索。
• 基于理论知识，在MATLAB平台下对获取的原始数据进行
处理，实现静息态下感兴趣脑区之间的功能连接以及与全 脑的功能连接，得到静息态下脑网络的可视化拓扑图。同 时本文也对静息态fMRI功能连接分析的一般思路进行了整 理归纳。