【摘 要】
：
肝性脑病（Hepatic encephalopathy,HE）是一种严重肝硬化引起的认知功能异常并发症,一年内死亡率很高。轻微肝性脑病（Mild hepatic encephalopathy,MHE）转换为肝性脑病的概率非常高,因此准确地从无肝性脑病的肝硬化（no Hepatic encephalopathy,no HE）患者中准确识别轻微肝性脑病,对降低肝性脑病死亡率具有重要意义。过去的研究中,
论文部分内容阅读
肝性脑病（Hepatic encephalopathy,HE）是一种严重肝硬化引起的认知功能异常并发症,一年内死亡率很高。轻微肝性脑病（Mild hepatic encephalopathy,MHE）转换为肝性脑病的概率非常高,因此准确地从无肝性脑病的肝硬化（no Hepatic encephalopathy,no HE）患者中准确识别轻微肝性脑病,对降低肝性脑病死亡率具有重要意义。过去的研究中,大多数论文都集中在研究MHE患者静态脑网络中的异常,以寻找轻微肝性脑病的致病机理和生物学标记。本文旨在使用多层模块化算法进行动态脑网络构建与分析,揭示MHE患者脑网络随时间演进过程中的异常特征,并构建机器学习模型,进行MHE患者的个体诊断。本论文实验数据来自天津市第一中心医院,包括41位健康受试者,32位no HE患者和30位MHE患者,共收集了被试500秒的静息态功能磁共振成像数据。通过预处理和滑动窗相关分析将其转换为动态功能连接矩阵。通过多层模块化算法获得轻微肝性脑病患者静息态脑网络随时间的演进过程,并提取动态网络指标。其中,连接稳定性评分指标用于表征每个大脑网络模块随时间变化过程的忠诚度。网络节点灵活性,内聚性和不相交性,描述了被试者脑节点在脑网络社区内和社区间切换以及网络隶属关系的改变。进一步地,通过比较三组不同受试在这些指标上的差异,发现在不相交性指标下,MHE和no HE患者之间表现出显著差异,并且这些差异存在于高级认知网络模块（腹侧注意网络,额顶叶网络,默认模式网络）。相关性分析发现不相交性指标与患者认知评测中数字符号测试的得分显著相关,表明异常的单个脑节点切换网络社区与轻微肝性脑病患者注意力和视觉记忆功能障碍有密切关系。最后,我们以节点不相交性作为特征,支持向量机为分类器对MHE和no HE患者进行模式识别,使用留一交叉验证最终获得了88.71%的分类准确度。通过分别调整动态脑网络构建的滑动时间窗长,脑网络社区划分的模块化参数,和机器学习模型参数多个方面,我们验证了结果的鲁棒性。综上,本文研究结果表明在大脑活动动态演进过程中,高级认知网络中异常的单脑节点切换很有可能成为鉴定肝性脑病的生物标记,我们的研究有助于医学上更好地了解肝性脑病的发病机理。
其他文献
随着数字化时代的到来,数据的形态非常丰富,描述同一实例的不同类型数据被称为多视角数据。基于多视角数据,多视角学习旨在通过融合来自多个视角的补充信息来发现潜在的表征。可以根据数据的完整性将多视角学习分为完整视角表征和缺失视角表征,本文围绕完整视角和缺失视角的表征学习展开研究。对于完整视角的表征学习,基于子空间学习的方法是目前较为主流的方法,但是当前基于子空间学习的方法存在两个缺点:（1）多视图关系未
视频作为一种重要的信息载体,随着计算机技术和智能设备的快速发展,在人类生产生活中扮演了日益重要的角色。在人工智能领域,基于深度学习的视频分析技术也受益于多种基础任务的发展,在各种细分领域有着广泛的应用。视频问答任务结合了视频的视觉信息和文本的自然语言信息,能够让智能机器跨越模态的鸿沟,提升跨模态语义理解能力。近年来受到了大量关注。基于视觉和语言的视频问答作为一个极具挑战性的研究方向,涉及计算机视觉
在现实世界中,绝大多数图数据都在随时间发生动态演化。近年来,随着大规模“动态图”数据的不断涌现,面向大规模动态图数据的查询处理逐渐成为图数据管理中非常重要的一类任务。其中,面向大规模图上的位置查询处理是一个十分重要的研究方向,该方向主要包括两类图数据上基础的查询问题:顶点可达性查询与k-近邻查询。对于动态图上的可达性查询问题,我们重点关注结构变化动态图上基于历史区间的可达性查询,即:给定动态图的拓
＜正＞为贯彻落实少捕慎诉慎押刑事司法政策，降低诉前羁押率，检察机关对确无逮捕必要的犯罪嫌疑人，依法作出不批准逮捕决定。在羁押率逐年下降，非羁押强制措施适用率不断上升的背景下，传统监管手段已无法满足实践需求，非羁押数字监管为破解非羁押强制措施监管难题，保障刑事诉讼的顺利进行提供了良方。但非羁押数字监管尚处于探索阶段，关于其功能定位、合法性、适用主体权责划分等问题，理论界与实务界仍存在争议，亟待研究解
癌症已被定性为一种异源性疾病。当某些调控细胞生长的基因发生突变时,这种突变会造成细胞生长速度失控,从而导致细胞疯狂的生长和分裂进而导致癌变。癌症可以产生在人身体的任何一个部位。通常,人体中的细胞会根据身体的需要分裂出新的细胞。当原本的细胞受到伤害甚至是死亡时,这些分裂产生的新的细胞将会替代这些受损的细胞。但是,当身体发生癌变时,整个过程会受到巨大影响。癌症所导致的异常的细胞分裂速度会导致当某些细胞
近年来,随着无线网络的发展和智能终端功能的多样化,基于位置的服务（Location Based Service,LBS）也日渐成熟。在人们享受LBS提供便利的同时,定位信息也被收集用来挖掘对商家有用的潜在信息,因此移动用户的隐私也受到威胁。比如,攻击者可以通过挖掘用户的定位信息窃取用户的兴趣爱好、生活习惯等隐私信息。已经存在的基于定位信息单点扰动的位置隐私保护方法通常难以抵御推断攻击,因此出现了基
图像转换在现实生活中有广泛的应用场景,在图像转换任务中,素描图像到真实图像的转换是一类特殊任务,由于素描图像只包含单一色彩,与真实图像的像素差异很大,因此传统方法很难达到理想的效果。随着深度学习的不断发展,这一任务成为了当前研究的热点之一。随着生成对抗网络（GAN）的提出,素描图像到真实图像转换这一任务的性能得到大幅提升,出现了很多基于GAN的转换方法及模型,但是这些方法都存在一些不足:（1）这些
内存泄漏是广泛存在于C或C++程序中的一种内存漏洞,原因在于C或C++语言依赖于显式的内存管理,需要手动释放不再使用的内存对象,容易造成内存泄漏。内存泄漏的积累会导致程序运行减慢甚至系统崩溃。当前多数工作聚焦于内存泄漏的自动化检测,而对内存泄漏的修复工作主要依靠程序开发人员手工修复,依赖于程序开发人员的专业知识和行业经验。然而,人工修复错误是一个困难、耗时并且非常容易出错的过程,如何自动化地修复内
手语是聋人与听人、聋人之间交流的主要途径。手语词语主要是由手臂、手腕、手指的动作和朝向、面部表情、身体姿势等共同表达。手语视频的研究具有重要实际应用和科学研究价值。手语识别的目的是将手语视频识别为对应文本词或者文本语句,这要求手语识别模型可以准确提取手语视频的特征信息,消除手语视频与自然语言之间的鸿沟。目前手语识别面临两个主要问题:第一,从手语视频数据本身考虑,由于手语视频含有过多的冗余信息,例如
在图数据管理领域,最短路径查询是一类非常重要的问题,但在实际的应用场景中,用户往往会设置多样化的查询条件,并在这些查询条件的限制下进行最短路径查询。本文研究了在某些特定的限制条件下的最短路径查询问题,一种是给定一个节点集合,返回得到的具有最小权重值的路径中的所有节点,必须属于该节点集合,因此该问题可以抽象为基于给定子图的最短路径查询问题;另一种是图的权重向量具有多个维度,给定一个线性计算函数,将多