人體靜息態(tài)fMRI腦功能數(shù)據(jù)的特征提取及分類研究.pdf

1、近年來，腦科學的研究越來越受到人們的關注。本文在磁共振功能成像（簡稱fMRI）的基礎上，針對靜息態(tài)fMRI腦功能數(shù)據(jù)做了較深入的研究。
　　研究中，根據(jù)Dosenbach及本研究室同事的前期研究結果，得出了默認網(wǎng)絡的腦區(qū)共包含 ROI_73在內的33個感興趣區(qū)域（簡稱 ROI）。本文采用支持向量機（SVM）的方法對全腦160個ROI的血氧水平依賴（簡稱BOLD）信號的時間序列進行了分類，分類結果的準確率達到了89.475％。由于采

2、用 SVM進行分類時，需要一定的先驗知識，無法進行自動分類。因此，為了能夠實現(xiàn)自動分類，本文采用層次聚類對靜息態(tài)fMRI腦功能數(shù)據(jù)進行了詳細的研究。研究中計算了160個ROI的兩兩之間的相似性，并定義了一種相關距離作為聚類準則。研究中對40例自愿者靜息態(tài) fMRI腦功能數(shù)據(jù)的時間序列進行了層次聚類分析，分類的結果與Dosenbach及同事的研究結果進行了對比，分類結果中相同的ROI個數(shù)在20-28之間，因此，層次聚類算法能夠用以靜息態(tài)f

3、MRI腦功能數(shù)據(jù)的分類研究。
　　為了能夠降低分類中 fMRI數(shù)據(jù)的維數(shù)，減小 fMRI數(shù)據(jù)分析的難度，本文從三方面對fMRI數(shù)據(jù)提取特征值：首先，分析各個腦區(qū)的BOLD信號曲線，計算其相對變化率，并對它作層次聚類，對比Dosenbach及同事的研究結果，相同的個數(shù)在17-22之間；其次，基于分形理論分析BOLD信號曲線的特點，計算全腦的160個ROI時間序列的分形維數(shù)，并作聚類分析，實驗結果顯示相同的個數(shù)在22-25之間；最后，

4、分析其質量指數(shù)函數(shù)及奇異譜函數(shù)曲線的性質，發(fā)現(xiàn)BOLD信號具有多重分形性，分別計算這些BOLD信號多重分形譜的極大值、譜寬度、不對稱度，對它們組成的特征向量作層次聚類，實驗得出相同的個數(shù)在22-28之間。對比這三種分類結果，得出后兩種分類結果明顯高于第一種分類結果，且第三種的分類結果比第二種的分類結果稍微高一點，但它的時間復雜度會高很多。
　　采用分形理論與層次聚類相結合的方法分析靜息態(tài)fMRI腦功能數(shù)據(jù)，能夠減少數(shù)據(jù)處理時間。該