论文部分内容阅读
随着现代磁共振技术的发展，人类能够利用非侵入式的成像方法获取大脑的结构图像。更加振奋人心的是，研究者利用功能磁共振图像能够测量和记录人类大脑的功能活动。这些先进的成像技术成为探索大脑功能网络及其特性的坚实技术基础。其中大脑功能网络表达是大脑功能构架和特性的研究热点。
目前的功能磁共振成像研究主要基于传统的任务态或者是静息态设计。然而，任务态范式通常采用人为设计的简单刺激，与日常生活中的大脑活动相去甚远。因此，神经科学家提出了一种新兴的神经影像范式——自然刺激，这种范式可以极大地还原日常生活中的各种活动，且适用于感知、认知和语言等方面的研究，同时能轻松地应用于病人群体。然而，自然刺激的动态性和无约束性对准确定义各种认知过程的神经活动造成极大的挑战。因此，需要提出新兴的针对自然刺激功能磁共振成像的研究方法。本文针对此难点，提出稀疏编码、Inter-subjectFunctionalCorrelation以及动态因果模型等方法以探究自然刺激条件下大脑的功能网络特性。本论文的主要研究工作和贡献总结如下：
1.基于稀疏表达算法的脑功能网络分析
基于稀疏表达算法的静息态脑功能网络分析及其在疾病诊断上的应用。长久以来，稀疏编码方法在自然图像领域得到广泛运用，但鲜有研究将其应用在功能磁共振图像研究中。神经科学研究表明稀疏性是神经元活动的特点，不同的神经元稀疏的组合可以实现不同的功能。为了探究在功能磁共振图像级别上神经活动是否表现出同样的稀疏性，稀疏编码方法是否能够有效地应用于功能磁共振图像上以得到有意义的大脑功能网络，我们将稀疏表达方法应用于全脑的静息态功能磁共振成像并将其应用于病人群体中。我们的结果显示稀疏表达方法可以有效地识别可靠的静息态脑功能网络。
基于稀疏表达算法的自然范式脑功能网络图谱研究。基于自然刺激的固有特性——不同人在相同自然刺激下的脑功能活动趋于一致，我们提出了群组级别的稀疏表达方法，旨在学习不同个体之间一致的脑功能网络。通过研究发现，群组稀疏表达方法可将全脑的自然刺激fMRI信号分解成很多个体间一致的有意义脑网络。为了探究这些脑网络的可靠性，以及过拟合问题和不同的稀疏编码参数对脑网络带来的影响，我们进行了重复性实验，同时测量了不同稀疏编码参数下各个脑功能网络的重测信度，以及过拟合问题对稀疏编码结果的影响。除此之外，我们还将群组稀疏编码方法与多种群组独立成分分析方法进行全面比较，发现稀疏编码方法在定义大脑功能网络、网络可靠性等方面表现出优越性。
2.基于稀疏表达算法的自然范式脑功能网络的拓展研究与应用
自然刺激脑功能网络在情感认知下的群组差异性研究。群组稀疏表达可以在个体间找到一致的功能网络，于是我们希望探究这种方法是否可用来研究不同群组的脑功能网络差异。我们将群组稀疏表达方法应用于自然刺激fMRI数据，以学习不同性别的群体在情感认知方面的差异，发现稀疏表达方法可以非常有效地检测在情感处理相关脑功能网络中不同性别群体的差异。
自然刺激条件下的大脑功能网络在临床方面的应用。我们的结果显示群组稀疏表达方法可以有效地检测正常群体之间的脑功能差异，于是我们期望这种方法能够应用于疾病群体的分析。于是，我们在可卡因依赖和病态赌博患者的多种自然刺激fMRI数据上应用了群组稀疏表达方法，结果显示群组稀疏表达方法有效地检测到病人群体在脑功能网络中的异常。
3.基于自然刺激的大脑功能构架研究
自然刺激下大脑功能的层级结构。神经科学研究表明外部世界的感官信息首先在初级感觉皮层中表达，随后到达次级感觉皮层，最后到达高阶感觉皮层。但长久以来，鲜少有研究具体地定义这种大脑的功能层级结构。Inter-subjectCorrelation方法是一种常用于描述相同自然刺激条件下不同个体间的一致神经活动的方法，被用于划分大脑的功能层级结构。但以往基于这种方法对大脑的二元分割会过度简化大脑层级结构。为了解决上述问题，基于此方法，我们提出了一种新方法——Inter-subjectFunctionalCorrelation，旨在定义不同个体间各个脑区的功能交互，从而对大脑外在-内在功能系统进行定义。我们的结果揭示了大脑处理外源和内源性信息的层级结构，并且给传统外在和内在系统的二元分布的观点带来了新的见解。
基于自然刺激下大脑功能层级结构的个体差异性研究。基于定义的大脑外在-内在功能层级系统，我们探究了大脑功能层级系统与个体间脑功能差异之间的关系。我们的研究表明，负责处理内源性信息的内在系统对于个体独特的经历至关重要。这项工作对研究现实生活情境下大脑的功能组织有着重要的意义。
4.基于改进的自然刺激范式的脑网络研究
改进的自然范式与传统任务范式在脑网络分析方面的比较。由于自然刺激的动态性和无约束性，模型驱动方法一直很难应用于自然刺激数据。为了解决这个问题，我们将传统自然刺激与任务态设计相结合，得到改进的自然刺激范式。我们对改进的自然刺激范式与任务态范式在描述大脑功能网络方面进行比较。
基于改进的自然刺激范式的有效连接研究。基于改进的自然刺激设计，我们利用动态因果模型方法，研究各个脑区间的有效连接，同时将有效连接与行为数据进行相关性分析。
目前的功能磁共振成像研究主要基于传统的任务态或者是静息态设计。然而，任务态范式通常采用人为设计的简单刺激，与日常生活中的大脑活动相去甚远。因此，神经科学家提出了一种新兴的神经影像范式——自然刺激，这种范式可以极大地还原日常生活中的各种活动，且适用于感知、认知和语言等方面的研究，同时能轻松地应用于病人群体。然而，自然刺激的动态性和无约束性对准确定义各种认知过程的神经活动造成极大的挑战。因此，需要提出新兴的针对自然刺激功能磁共振成像的研究方法。本文针对此难点，提出稀疏编码、Inter-subjectFunctionalCorrelation以及动态因果模型等方法以探究自然刺激条件下大脑的功能网络特性。本论文的主要研究工作和贡献总结如下：
1.基于稀疏表达算法的脑功能网络分析
基于稀疏表达算法的静息态脑功能网络分析及其在疾病诊断上的应用。长久以来，稀疏编码方法在自然图像领域得到广泛运用，但鲜有研究将其应用在功能磁共振图像研究中。神经科学研究表明稀疏性是神经元活动的特点，不同的神经元稀疏的组合可以实现不同的功能。为了探究在功能磁共振图像级别上神经活动是否表现出同样的稀疏性，稀疏编码方法是否能够有效地应用于功能磁共振图像上以得到有意义的大脑功能网络，我们将稀疏表达方法应用于全脑的静息态功能磁共振成像并将其应用于病人群体中。我们的结果显示稀疏表达方法可以有效地识别可靠的静息态脑功能网络。
基于稀疏表达算法的自然范式脑功能网络图谱研究。基于自然刺激的固有特性——不同人在相同自然刺激下的脑功能活动趋于一致，我们提出了群组级别的稀疏表达方法，旨在学习不同个体之间一致的脑功能网络。通过研究发现，群组稀疏表达方法可将全脑的自然刺激fMRI信号分解成很多个体间一致的有意义脑网络。为了探究这些脑网络的可靠性，以及过拟合问题和不同的稀疏编码参数对脑网络带来的影响，我们进行了重复性实验，同时测量了不同稀疏编码参数下各个脑功能网络的重测信度，以及过拟合问题对稀疏编码结果的影响。除此之外，我们还将群组稀疏编码方法与多种群组独立成分分析方法进行全面比较，发现稀疏编码方法在定义大脑功能网络、网络可靠性等方面表现出优越性。
2.基于稀疏表达算法的自然范式脑功能网络的拓展研究与应用
自然刺激脑功能网络在情感认知下的群组差异性研究。群组稀疏表达可以在个体间找到一致的功能网络，于是我们希望探究这种方法是否可用来研究不同群组的脑功能网络差异。我们将群组稀疏表达方法应用于自然刺激fMRI数据，以学习不同性别的群体在情感认知方面的差异，发现稀疏表达方法可以非常有效地检测在情感处理相关脑功能网络中不同性别群体的差异。
自然刺激条件下的大脑功能网络在临床方面的应用。我们的结果显示群组稀疏表达方法可以有效地检测正常群体之间的脑功能差异，于是我们期望这种方法能够应用于疾病群体的分析。于是，我们在可卡因依赖和病态赌博患者的多种自然刺激fMRI数据上应用了群组稀疏表达方法，结果显示群组稀疏表达方法有效地检测到病人群体在脑功能网络中的异常。
3.基于自然刺激的大脑功能构架研究
自然刺激下大脑功能的层级结构。神经科学研究表明外部世界的感官信息首先在初级感觉皮层中表达，随后到达次级感觉皮层，最后到达高阶感觉皮层。但长久以来，鲜少有研究具体地定义这种大脑的功能层级结构。Inter-subjectCorrelation方法是一种常用于描述相同自然刺激条件下不同个体间的一致神经活动的方法，被用于划分大脑的功能层级结构。但以往基于这种方法对大脑的二元分割会过度简化大脑层级结构。为了解决上述问题，基于此方法，我们提出了一种新方法——Inter-subjectFunctionalCorrelation，旨在定义不同个体间各个脑区的功能交互，从而对大脑外在-内在功能系统进行定义。我们的结果揭示了大脑处理外源和内源性信息的层级结构，并且给传统外在和内在系统的二元分布的观点带来了新的见解。
基于自然刺激下大脑功能层级结构的个体差异性研究。基于定义的大脑外在-内在功能层级系统，我们探究了大脑功能层级系统与个体间脑功能差异之间的关系。我们的研究表明，负责处理内源性信息的内在系统对于个体独特的经历至关重要。这项工作对研究现实生活情境下大脑的功能组织有着重要的意义。
4.基于改进的自然刺激范式的脑网络研究
改进的自然范式与传统任务范式在脑网络分析方面的比较。由于自然刺激的动态性和无约束性，模型驱动方法一直很难应用于自然刺激数据。为了解决这个问题，我们将传统自然刺激与任务态设计相结合，得到改进的自然刺激范式。我们对改进的自然刺激范式与任务态范式在描述大脑功能网络方面进行比较。
基于改进的自然刺激范式的有效连接研究。基于改进的自然刺激设计，我们利用动态因果模型方法，研究各个脑区间的有效连接，同时将有效连接与行为数据进行相关性分析。