15、基于功能磁共振成像和流形学习的大脑分析方法研究

基于功能磁共振成像和流形学习的大脑分析方法研究

在大脑研究领域，如何准确分析大脑的功能连接和进行皮质分区是重要的研究方向。本文将介绍基于静息态功能磁共振成像（fMRI）数据发现大脑连接模式的学习方法，以及通过流形学习进行基于连接性的皮质分区的新方法。

静息态 fMRI 数据的连接模式研究

为了验证方法的通用性，研究人员在Autism Brain Imaging Data Exchange（ABIDE）数据库中，选取了纽约大学（NYU）和密歇根大学（UM）站点的静息态 fMRI 图像进行实验。具体步骤如下：
1. 图像预处理
- 数据选择 ：从 NYU 站点选取 45 名正常对照（NC）和 45 名自闭症谱系障碍（ASD）受试者；从 UM 站点选取 74 名 NC 和 57 名 ASD 受试者。NYU 站点和 UM 站点的受试者在静息状态下分别扫描 6 分钟和 10 分钟，重复时间（TR）为 2 秒，分别产生 180 个和 300 个时间点。
- 数据处理 ：使用 Data Processing Assistant for Resting - State fMRI（DPARSF）软件处理数据。为了保证数据的鲁棒性，去除前 20 个和后 20 个时间点。接着进行切片定时和运动校正，将个体受试者注册到标准空间，应用具有 116 个感兴趣区域（ROI）的 AAL 模板到受试者图像域，并计算每个 ROI 中的平均血氧水平依赖（BOLD）信号。传统方法基于任意两个不同大脑区域的平均 BOLD 信号的相关性计算 116×116 的连接矩阵 S。