基于静息态fMRI中超体素的全脑分割研究

《基于静息态fMRI中超体素的全脑分割研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10286分类号：TP391.4密级：公开UDC：004.92学号：109583基于静息态fMRI中超体素的全脑分割研究研究生姓名：王敬导师姓名：王海贤教授申请学位类别工学博士学位授予单位东南大学一级学科名称生物医学工程论文答辩日期2018年06月23日二级学科名称学习科学学位授予日期答辩委员会主席陆祖宏教授评阅人2018年06月27日博士学位论文基于静息态fMRI中超体素的全脑分割研究专业名称：生物医学工程（学习科学）研究生姓名：王敬导师姓名：王海贤教授本论文获国家自然科学基金面上项目（

2、61375118），国家重点基础研究发展计划（973计划）（2015CB351704），和国家自然科学基金重点项目（31130025）资助。ASUPERVOXEL-BASEDWHOLEBRAINPARCELLATIONSTUDYWITHRESTING-STATEFMRIDATAADissertationsubmittedtoSoutheastUniversityFortheAcademicDegreeofDoctorofEngineeringBYJingWangSupervisedby:Prof.H

3、aixianWangResearchCenterforLearningScienceSoutheastUniversityJun27,2018东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研宂成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。研究

4、生签名■－：＾知Ｂ期：Ｍ东南大学学位论文使用授权声明东南大学、《）》、中国科学技术信息研究所、国家图书馆中国学术期刊（光盘版电子杂志社有限公司、万方数据电子出版社、北京万方数据股份有限公司有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的一致，内容和纸质论文的内容相。除在保密期内的保密论文外允许论文被查阅和借阅，可以公布（包括以电子信息形式刊登）论文的全部内容或中、英文摘要等部分内容。论文的公布（包括以电子信息形式刊登）

5、授权东南大学研宄生院办理。Ｉ＾＾＞〇嬅，０叫研宄生签名：导师签名：ｕｍ：摘要摘要节点定义是人脑网络分析和功能连接研究中的一个重要的课题。相关研究通常将基于元分析，随机标准，或者结构标准生成的大脑图谱作为节点，然而这些图谱并不是针对人脑网络分析和功能连接研究这些目的设计的，因此使用这些图谱作为节点可能并不合适。为了得到更合理的节点，我们需要通过全脑分割的方式来生成新的更合理的大脑图谱。本文引入一种名为简单线性迭代聚类（simplelineariterativeclustering，SL

6、IC）的超体素方法来对全脑静息态fMRI（functionalmagneticresonanceimaging）数据进行分割，以实现这个目标。围绕这种超体素方法，本文开展了三个研究，进而提出了一系列新的全脑分割方法。我们通过对比新方法和已有方法来证明新方法的合理性和优越性。进行算法对比时，本文用到的评价指标包括空间连续性，功能一致性，和可重复性。对于群体水平的分割，本文既考虑了群体间的可重复性，也考虑了群体到被试的可重复性。为了得到不同粒度的分割结果，我们在都在较大的范围内对分区数目进行变化。本文中

7、的三个研究的主要工作如下。研究一将SLIC直接作用在静息态fMRI时间系列上来进行全脑分割。使用这种分割方法，无需进行特征提取便可得到分割结果。为了证明这种分割方法的合理性，我们将它与一种当前流行的全脑分割方法，即标准化分割（normalizedcuts，Ncut）在多种评价指标下进行了对比。实验结果表明，我们提出的方法在各种评价指标下都取得了令人满意的分割效果。研究二结合Ncut和SLIC来进行全脑分割。我们提出了两种群体水平的全脑分割方法，分别是平均SLIC（meanSLIC）方法和二级SLIC

8、（two-levelSLIC）方法。具体来讲，在这两种方法中，Ncut被用来从连接矩阵中提取特征，SLIC被应用到提取得到的特征上来进行分割，从而得到最终的大脑图谱。我们将两种SLIC方法和三种最新的全脑分割方法在多种评价指标下进行了对比。实验结果表明，两种SLIC方法在各种评价指标下都取得了很好的分割效果。另外，本研究还考察了一些可能对分割结果产生影响的因素，包括使用不同的稀疏化方案，在预处理流程中加入全局信号回归，使用过度分割，使用不同的权重函数等。对这些因素的考