|
基于fMRI和DTI融合的腦默認(rèn)模式功能網(wǎng)絡(luò)研究
|
|
資料類別
|
電子電工畢業(yè)論文（設(shè)計） |
|
|
課程(專業(yè))
|
微電子與固體電子學(xué) |
|
關(guān)鍵詞
|
默認(rèn)網(wǎng)絡(luò)|彌散張量成 |
|
適用年級
|
研究生 |
|
身份要求
|
普通會員 |
|
金 幣
|
60 �。�金幣如何獲得？） |
|
文件格式
|
caj |
|
文件大小
|
1902K |
|
發(fā)布時間
|
2014-10-04 20:18:00 |
|
預(yù)覽文件
|
無 |
|
下載次數(shù)
|
0 |
| 發(fā)布人 |
kj008 |
內(nèi)容簡介：
基于fMRI和DTI融合的腦默認(rèn)模式功能網(wǎng)絡(luò)研究（碩士學(xué)位論文），共63頁。
【摘要】：功能磁共振成像(fMRI)可反映腦皮質(zhì)對認(rèn)知任務(wù)或外界刺激響應(yīng)的血氧功能；彌散張量成像(DTI)可以追蹤出腦區(qū)之間纖維束連接的結(jié)構(gòu)。融合兩種圖像，可精確直觀地揭示腦功能區(qū)之間纖維結(jié)構(gòu)連接的關(guān)系。 靜息態(tài)fMRI是大腦的自發(fā)活動，揭示各腦區(qū)之間的關(guān)聯(lián)，對大腦的運(yùn)行機(jī)制能夠更深入研究。默認(rèn)模式網(wǎng)絡(luò)(DMN)是在人腦處于靜息狀態(tài)時維持人腦健康代謝活動的若干具有時間相關(guān)性的腦區(qū)組成的網(wǎng)絡(luò)。 本文將對獨(dú)立成分分析（ICA）進(jìn)行改進(jìn)，并應(yīng)用于fMRI功能區(qū)的提取。提出結(jié)合經(jīng)典相關(guān)分析（CCA）的ICA算法和參考獨(dú)立成分分析（ICA-R）算法對靜息態(tài)fMRI的功能區(qū)進(jìn)行提取，定位DMN并以此為種子區(qū)，融合DTI數(shù)據(jù)追蹤功能區(qū)之間的纖維連接，得到DMN功能連接網(wǎng)絡(luò)。論文主要研究內(nèi)容如下： 1.提出CCA+ICA算法定位靜息態(tài)fMRI的DMN。首先采用CCA降低fMRI數(shù)據(jù)的空間維度，基于ICA提取靜息態(tài)fMRI的DMN。仿真和影像數(shù)據(jù)處理表明，CCA+ICA算法可有效減少迭代次數(shù)，提高數(shù)據(jù)處理的效率。 2.提出參考獨(dú)立成分分析（ICA-R）算法處理靜息態(tài)fMRI定位DMN。將源信號的部分先驗(yàn)信息作為ICA-R算法的參考信號，可以高效地得到一個獨(dú)立成分作為期望源信號的估計，且該獨(dú)立成分和參考信號最為接近。仿真和影像數(shù)據(jù)處理表明，該算法可有效提高效率，且對DMN提取更符合人的生理特性。 3.靜息態(tài)fMRI融合彌散加權(quán)成像(DTI)追蹤DMN功能區(qū)之間的纖維連接，獲取DMN功能連接網(wǎng)絡(luò)。首先以fMRI定位出的DMN功能區(qū)作為種子區(qū)，與DTI圖像進(jìn)行空間配準(zhǔn)，采用遺傳+模擬退火算法追蹤種子區(qū)之間的纖維連接，得到DMN功能連接網(wǎng)絡(luò)。
【關(guān)鍵詞】：功能磁共振成像 默認(rèn)網(wǎng)絡(luò) 彌散張量成像 獨(dú)立成分分析
【目錄】：
中文摘要4-5
Abstract5-9
第一章 緒論9-13
1.1 課題研究背景及意義9-10
1.2 國內(nèi)外研究現(xiàn)狀10-11
1.3 本文主要研究工作及論文結(jié)構(gòu)安排11-13
第二章 磁共振成像技術(shù)13-23
2.1 磁共振成像原理13-15
2.2 功能磁共振成像（fMRI）15-19
2.2.1 功能磁共振成像原理15-16
2.2.2 靜息態(tài)功能磁共振成像16-17
2.2.3 fMRI 數(shù)據(jù)預(yù)處理工具17-19
2.3 彌散張量成像（DTI）19-22
2.3.1 彌散張量成像原理19-20
2.3.2 彌散張量成像的數(shù)據(jù)處理20-22
2.4 本章小結(jié)22-23
第三章 獨(dú)立成分分析在 fMRI 的研究23-38
3.1 獨(dú)立成分分析23-27
3.1.1 獨(dú)立成分分析的提出23
3.1.2 獨(dú)立成分分析的數(shù)學(xué)模型23-25
3.1.3 主成分分析（PCA）25-26
3.1.4 獨(dú)立成分分析算法26-27
3.2 快速不動點(diǎn)算法（fastICA）27-33
3.2.3 fastICA 算法31-33
3.3 CCA+空間 fastICA 算法33-35
3.3.1 CCA 算法原理33-34
3.3.2 CCA+空間 fastICA 算法定位 fMRI 功能區(qū)34-35
3.4 數(shù)據(jù)處理及結(jié)果分析35-36
3.4.1 仿真數(shù)據(jù)的處理35-36
3.4.2 靜息態(tài) fMRI 數(shù)據(jù)的處理36
3.5 本章小結(jié)36-38
第四章 基于 fMRI 的參考獨(dú)立成分分析算法38-45
4.1 參考獨(dú)立成分分析（ICA-R）算法38-39
4.1.1 問題的提出38
4.1.2 算法原理38-39
4.2 基于 ICA-R 算法提取默認(rèn)網(wǎng)絡(luò)39-41
4.3 數(shù)據(jù)處理及結(jié)果分析41-44
4.3.1 仿真數(shù)據(jù)的研究41-42
4.3.2 靜息態(tài) fMRI 數(shù)據(jù)的研究42-43
4.3.3 默認(rèn)模式網(wǎng)絡(luò)研究43-44
4.4 本章小結(jié)44-45
第五章 基于 fMRI 和 DTI 融合的腦默認(rèn)模式網(wǎng)絡(luò)提取45-54
5.1 纖維連接 ROI 的確定45-46
5.1.1 圖像空間配準(zhǔn)45-46
5.1.2 確定種子點(diǎn)46
5.2 遺傳+模擬退火算法的神經(jīng)纖維追蹤46-50
5.2.1 遺傳算法46-48
5.2.2 遺傳+模擬退火算法追蹤纖維48-50
5.3 基于 fMRI 與 DTI 融合的大腦默認(rèn)網(wǎng)絡(luò)研究50-53
5.4 本章小結(jié)53-54
第六章 總結(jié)與展望54-56
參考文獻(xiàn)56-61
碩士研究生發(fā)表論文61-62
致謝62-63
相關(guān)說明：
1. 如您下載的資料不止一份，建議您注冊成為本站會員。會員請登錄后下載。
2. 會員購買金幣50元以下，0.7元/個，50元以上，0.5元/個。具體請看：下載與付款。
3. 會員48小時內(nèi)下載同一文件，不重復(fù)扣金幣。
4. 下載后請用WinRAR或 WinZIP解壓縮后使用。
5. 如仍有其他下載問題，請看常見問題解答。
下載地址：
|
|
| 相關(guān)畢業(yè)論文（設(shè)計） |
|
|
| 推薦畢業(yè)論文（設(shè)計） |
|
|
|
|
|