25、功能性MRI成像数据中的降维和特征匹配

功能性MRI成像数据中的降维和特征匹配

1. 现有工作

1.1 痴呆症识别相关工作

在痴呆症的早期识别方面，科研人员付出了诸多努力。当前存在多种计算机辅助诊断（CAD）方法，虽然降维和特征提取在其中起着重要作用，但部分CAD方法在不降低图像维度的情况下进行痴呆症的及时识别。

例如，有专家设计了一个框架，通过评估敏感度、简易精神状态检查表（MMSE）和差异分数等指标，来识别患有帕金森病的患者。Rocchi等人则通过从脑部有益图像中提取感兴趣区域（ROIs），来区分患有痴呆症的患者和健康对照组。

此外，研究人员还尝试使用自动编码器来提取大量特征信息。他们试图将患有阿尔茨海默病（AD）的患者与正常人区分开来，提出将小型自动编码器（SAE）与卷积神经网络相结合，以处理图像。并且计划基于深度学习的特征描述，利用堆叠的SAE对AD进行分类。SAE能够从磁共振成像（MRI）和正电子发射断层扫描（PET）中提取与组织体积减小和能量相关的特征。后续的工作则侧重于调整高级结构信息，以区分不同类型的痴呆症，而不仅仅是AD，通过区分灰质和白质体素来为SAE提供更精细的输入信息。

1.2 fMRI疼痛解读相关工作

利用多元样本分析从功能磁共振成像（fMRI）中解读疼痛的感受，疼痛包含物质、抽象和情感等方面。尽管fMRI研究有多种原因，但残余部分提供的空间活动流足以编码一次更新是否被视为痛苦。

在研究中，基于感知决策任务对fMRI数据进行分离，让个体接受接近阈值的激光脉冲。通过不同空间尺度的多元分析，进一步探究fMRI数据在解读更新是否被视为痛苦方面的能力。研究得出了关于大脑区域的结论：在疼痛预期期间，导水管周围灰质（P