面向人脑功能划分的人工水母搜索优化算法

人脑功能划分是揭示人脑功能分离性的重要方式。然而,现有的大多数划分方法因不能较好地处理功能磁共振影像(fMRI)数据的高维性和低信噪比性,表现出搜索能力较弱和划分结果较差的问题。为了减轻此问题,提出一种基于人工水母搜索优化(AJSO)的人脑功能划分方法。该方法首先基于预处理的fMRI数据计算功能相关矩阵,并将其映射到低维空间。然后将食物编码为由多个功能簇中心构成的聚类解,利用改进型人工水母搜索优化算法搜索更优的食物,采用融入迭代停滞的时间控制机制调控人工水母执行主动运动或被动运动,以提高全局搜索能力;针对主动运动设计适应度引导的步长确定策略,增强人工水母搜索的科学性和针对性。最后根据最小距离原则得到相关矩阵中每行数据的簇标,并将其映射到相应的体素上。在真实fMRI数据上的实验表明:与其他一些划分方法相比,新方法不仅拥有较高的搜索能力,而且可得到具有更好空间结构和更强功能一致性的划分结果。这项研究将人工水母搜索优化算法应用于人脑功能划分,提供了一种更有效的人脑功能划分方法。

面向fMRI数据的人脑功能划分

人脑是目前人类发现的最复杂和最具智能的功能组织系统之一.数以万计的神经元相互连接形成了复杂的脑结构,并通过相互间的作用表现出多样的智能活动.脑功能研究是脑科学研究中最重要的内容之一,尤其是功能磁共振成像(f MRI)技术的出现,为人脑功能的研究带来了新的发展机遇.近年来,开始利用基于f MRI数据的计算方法对人脑进行功能的划分,已有研究表明,功能划分所产生的人脑功能子区域比结构图谱中的脑区具有更高的功能一致性,因此更适合用于人脑的功能分析.进一步讲,把人脑功能划分产生的功能子区域用于人脑功能网络的构建能够获得更具可解释性的人脑功能网络,能为人脑疾病机理的研究和探索提供新的手段.本文以f MRI数据为基础,首先,介绍了f MRI数据采集、人脑功能划分及其基本流程;其次,给出了一种人脑功能划分方法的分类体系,并详细阐述了其中主要的人脑功能划分算法;再次,梳理了人脑功能划分中常用的相似性度量和评价指标;最后,总结了人脑功能划分的应用,并深入地分析了人脑功能划分中存在的挑战及未来的研究方向,以期对相关研究提供有益的参考.