脑网络初探

最新推荐文章于 2024-07-27 22:52:18 发布

hanleiliu

最新推荐文章于 2024-07-27 22:52:18 发布

阅读量5.8k

点赞数 5

CC 4.0 BY-SA版权

文章标签：脑网络

本文链接：https://blog.youkuaiyun.com/hanleiliu/article/details/89242867

本文介绍了基于脑网络的图像处理和疾病分类研究，包括基于测量数据（如MRI, DTI, fMRI, EEG, EMG）的结构性与功能性连接分析，以及基于计算模型的神经网络动力学研究。通过复杂网络理论，揭示了大脑网络的小世界和无标度特性。" 117782137,10535266,HTML5+Bootstrap实现自适应音乐播放器,"['前端开发', 'HTML', 'CSS', 'JavaScript', 'Bootstrap']

因为导师研究的方向是基于脑网络的图像处理和疾病分类，这些对于我来说都是崭新的东西，决定来开一个帖，积累一下知识。

脑网络研究

脑网络研究可以分为两个部分，一是基于测量数据的研究，二是基于计算模型的研究。

基于测量数据的研究，测量数据主要来源于大脑结构性连接数据和大脑功能性连接数据，计算预先定义的各脑区或节点的连接关系，然后构建网络进行分析。大脑结构性连接数据来源：MRI和DTI。MRI是磁共振成像的英文缩写，DTI则是MRI的特殊形式，弥散张量成像，如果说MRI是追踪水分子中的H原子，DTI便是通过水分子移动方向制图，弥散，是分子的随机不规则运动，体内物质转运方式之一，也称为布朗运动。大脑功能性连接数据来源：fMRI,EEG,EMG。fMRI是功能性磁共振成像，是一种非介入的技术，利用磁振造影来测量神经元活动所引发之血液动力的改变。其时间分辨率能够达到1s，所以可以实时跟踪信号的改变，而MRI造影时间长，没有此种优点。EEG，Electroencephalogram，脑电波；EMG，Electromyogram，肌电图。基于测量数据建立的大脑网络，运用复杂网络观点，运用图论的有关知识，得出了大脑网络具有无标度和小世界两种特征。

基于计算模型的研究，基于特定的神经计算模型来进行研究，这些模型往往由互相耦合的振子构成，每个振子是一个具有若干个状态变量的微分方程组，该微分方程能表征一定的神经元或神经元集群的动力学行为，振子之间的耦合关系可以复制为满足某种概率分布的随机变量，也可以由大脑结构性连接来确定。

小世界网络：https://baike.baidu.com/item/%E5%B0%8F%E4%B8%96%E7%95%8C%