为弥补传统的广义线性模型(generalized linear model,GLM)方法的不足,并探索模式识别在运动脑科学当中的应用价值。使用支持向量机(support vector machine,SVM)模式识别算法,以低频振幅(fractional amplitude of low-frequency fluctu...为弥补传统的广义线性模型(generalized linear model,GLM)方法的不足,并探索模式识别在运动脑科学当中的应用价值。使用支持向量机(support vector machine,SVM)模式识别算法,以低频振幅(fractional amplitude of low-frequency fluctuations,fALFF)、局部一致性(regional homogeneity,ReHo)和度中心度(degree centrality,DC)作为学习特征,对射击运动组和滑冰运动组(分类1)、射击运动组和对照组(分类2)以及速滑运动组和对照组(分类3)之间进行二分类,并计算每一个脑区在分类算法当中的权重。使用留一交叉验证法计算分类正确率,使用总的准确率、接受者操作特性曲线(receiver operating characteristic curve,ROC)、以及预测准确率来衡量机器分类算法的优劣性。结果表明:分类1中SVM算法的正确率较高且分类效果更稳定,总的准确率(total accuracy,tACC)可以维持在96.67%以上,曲线下面积(area under curve,AUC)均为1,说明SVM算法对区分不同项目运动员脑静息态功能特征时更有优势;在分类2和分类3中,SVM算法效果取决于使用的指标。其中,使用fALFF或者综合使用三个静息态指标的分类效果较稳定(tACC均在80%以上,AUC均在0.88以上);小脑在分类1算法中占较多的权重,提示不同运动项目运动员的脑功能活动之间差异最明显的部位主要在小脑上。而分类2和3中,除了小脑,还有一些与运动执行和控制及其他功能活动相关的脑区参与了算法的构成。通过SVM分类算法的应用获得较为理想的结果,展示了模式识别方法在运动科学领域的应用价值。研究成果有助于体育科学研究者从新的角度更加全面地理解运动与脑的关系。展开更多
目的:观察2型糖尿病(T2DM)伴认知灵活性减退患者的静息态功能连接(FC)特征改变及其与认知灵活性的相关性。方法:回顾性分析24例T2DM伴认知灵活性减退的患者(T2DM+CD)、34例不伴认知灵活性减退的T2DM患者(T2DM-CD)以及31例健康对照(HC)...目的:观察2型糖尿病(T2DM)伴认知灵活性减退患者的静息态功能连接(FC)特征改变及其与认知灵活性的相关性。方法:回顾性分析24例T2DM伴认知灵活性减退的患者(T2DM+CD)、34例不伴认知灵活性减退的T2DM患者(T2DM-CD)以及31例健康对照(HC)。分别对三组受试者使用威斯康辛卡片分类测试(WCST)、斯特鲁普色词测验(Stroop)评估认知灵活性及功能磁共振(fMRI)扫描,观察三组受试者认知灵活性差异、双侧(L. and R.)纹状体(ST)与背外侧前额叶皮质(dlPFC)之间FC的差异,然后分析了认知灵活性与ST-dlPFC通路FC之间的相关,最后进一步分析了T2DM患病状态和认知灵活性对FC改变的交互效应。结果:与T2DM-CD患者及HC相比,T2DM+CD患者WCST总应答数、错误应答数、持续应答数以及用时明显增多,而正确应答数明显减少;Stroop中T2DM+CD患者的正确数、字色矛盾正确数以及字色无关正确数均低于HC。T2DM+CD患者L.ST-L.dlPFC、R.ST-L.dlPFC、R.ST-R.dlPFC之间的FC减低,R.ST-R.dlPFC之间的FC减低与认知灵活性量表评分相关,且T2DM患病状态和认知灵活性对FC的改变存在交互效应。结论:ST-dlPFC之间的FC减低是T2DM特异性认知灵活性受损的神经机制。展开更多
为了保持原始功能磁共振成像(function Magnetic Resonance Imaging, fMRI)数据的空间结构实现噪声体素移除,提高聚类的效果,提出了一种基于遗传算法的简易优化算法.以广义线性模型(Generalize Linear Model, GLM)方法获取的数据作为大...为了保持原始功能磁共振成像(function Magnetic Resonance Imaging, fMRI)数据的空间结构实现噪声体素移除,提高聚类的效果,提出了一种基于遗传算法的简易优化算法.以广义线性模型(Generalize Linear Model, GLM)方法获取的数据作为大脑视觉刺激的真实激活模板,基于遗传算法对5位被测者的fMRI数据图像进行分析.取不同阈值(0.1~0.9)时交叉率和变异率为0且具有唯一的最优值为模糊C均值聚类算法(Fuzzy C-Means, FCM)结果,依据真实模板验证聚类结果的准确度.结果表明,相比原始的FCM方法,改变阈值的大小可以使FCM聚类结果的准确度得到有效提高.通过简易优化遗传算法,可以确定最佳阈值为0.6.展开更多
文摘目的:观察2型糖尿病(T2DM)伴认知灵活性减退患者的静息态功能连接(FC)特征改变及其与认知灵活性的相关性。方法:回顾性分析24例T2DM伴认知灵活性减退的患者(T2DM+CD)、34例不伴认知灵活性减退的T2DM患者(T2DM-CD)以及31例健康对照(HC)。分别对三组受试者使用威斯康辛卡片分类测试(WCST)、斯特鲁普色词测验(Stroop)评估认知灵活性及功能磁共振(fMRI)扫描,观察三组受试者认知灵活性差异、双侧(L. and R.)纹状体(ST)与背外侧前额叶皮质(dlPFC)之间FC的差异,然后分析了认知灵活性与ST-dlPFC通路FC之间的相关,最后进一步分析了T2DM患病状态和认知灵活性对FC改变的交互效应。结果:与T2DM-CD患者及HC相比,T2DM+CD患者WCST总应答数、错误应答数、持续应答数以及用时明显增多,而正确应答数明显减少;Stroop中T2DM+CD患者的正确数、字色矛盾正确数以及字色无关正确数均低于HC。T2DM+CD患者L.ST-L.dlPFC、R.ST-L.dlPFC、R.ST-R.dlPFC之间的FC减低,R.ST-R.dlPFC之间的FC减低与认知灵活性量表评分相关,且T2DM患病状态和认知灵活性对FC的改变存在交互效应。结论:ST-dlPFC之间的FC减低是T2DM特异性认知灵活性受损的神经机制。
文摘为了保持原始功能磁共振成像(function Magnetic Resonance Imaging, fMRI)数据的空间结构实现噪声体素移除,提高聚类的效果,提出了一种基于遗传算法的简易优化算法.以广义线性模型(Generalize Linear Model, GLM)方法获取的数据作为大脑视觉刺激的真实激活模板,基于遗传算法对5位被测者的fMRI数据图像进行分析.取不同阈值(0.1~0.9)时交叉率和变异率为0且具有唯一的最优值为模糊C均值聚类算法(Fuzzy C-Means, FCM)结果,依据真实模板验证聚类结果的准确度.结果表明,相比原始的FCM方法,改变阈值的大小可以使FCM聚类结果的准确度得到有效提高.通过简易优化遗传算法,可以确定最佳阈值为0.6.