fMRI动态功能网络构建及其在脑部疾病识别中的应用

如何从复杂的fMRI数据中提取丰富的大脑信息是提高脑部疾病识别精度的关键。传统的静息态功能磁共振成像分析中,功能连接网络被认为是稳定不变的。提出一种基于成组独立成分分析的构建动态功能连接网络的方法,并通过该网络来获取功能网络本身的动态特性。首先,利用成组独立成分分析法提取fMRI数据的空间独立成分作为网络节点,并通过滑动时间窗的方法获取窗口时间序列,构建动态功能连接网络。以动态功能网络作为特征,对精神分裂症患者和正常被试数据进行分类识别。实验结果表明,该方法能够获取fMRI数据的时间维度信息,提高识别效果,在一定程度上能为临床诊断提供客观参照。

基于ALFF和动态功能连接的槟榔成瘾的研究

槟榔(Betel Quid)是世界上使用最广泛的精神活性物质之一,长期嚼食会使人上瘾,给人体健康带来危害.敏感且高分辨率的神经成像技术的出现,使研究者对嚼食槟榔成瘾的神经病理学有了新的见解.本文基于静息态功能磁共振成像(rs-fMRI)数据,首次提出通过对槟榔成瘾者(BQD)和正常对照(HC)的7大脑功能网络上的低频振幅(ALFF)的幅值进行了Logistic回归以及回归系数的显著性检验来发现槟榔成瘾者存在异常的脑功能网络,该方法准确度较高且易于实现;其次,通过成组独立成分分析(Group ICA)和K-means聚类分析比较两组被试的动态功能连接的差异,由此探讨槟榔成瘾对脑功能网络和脑功能连接的影响.研究发现,槟榔成瘾者的小脑网络与正常人相比存在较为显著的差异.我们推断这可能与小脑调节躯体运动和涉及成瘾行为等生理机能有关.这一发现打破了以往人们对于小脑功能的认知,引导人们将成瘾机制与小脑网络的非运动功能结合起来进行研究,对研究槟榔成瘾这一公共健康问题以及发展针对槟榔成瘾的特异性治疗方法具有重要意义.