不依賴強度閾值和空間平滑的磁共振成像團簇檢驗模型

《不依賴強度閾值和空間平滑的磁共振成像團簇檢驗模型》是依託大連理工大學,由李煥傑擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：不依賴強度閾值和空間平滑的磁共振成像團簇檢驗模型
• 依託單位：大連理工大學
• 項目類別：青年科學基金項目
• 項目負責人：李煥傑

項目摘要

準確檢測分析腦功能磁共振成像數據對腦科學的基礎研究和臨床套用都有至關重要的作用。團簇檢驗憑藉其檢測空間分布信號的高靈敏性，廣泛套用於腦功能磁共振成像數據的激活檢測。然而團簇檢驗依賴於強度閾值和空間平滑假設，對同一組數據也會得到不同的實驗結果，且在分析低空間平滑和空間平滑不均勻數據時會產生較大誤差。為解決這一問題，本項目針對大腦神經元的活動方式及磁共振成像數據本身特點，定義新的變數M將激活區域的強度大小和空間範圍分布統籌考慮，同時將M帶入隨機場理論和神經網路模型，提出不依賴強度閾值和空間平滑程度的團簇檢驗模型。該模型旨在解決團簇檢驗依賴強度閾值所帶來的實驗結果不一致、實驗結論混亂問題，並使團簇檢驗不再受限於高空間平滑和空間平滑均勻性假設，保證圖像的高空間解析度。該模型的提出可顯著提高團簇檢驗的可靠性和適用性，對深入探索大腦功能機制，提高腦精神疾病的影像學診治水平具有重要意義。

結題摘要

腦功能磁共振影像（functional magnetic resonance imaging, fMRI）分析領域一個核心問題是準確地檢測出來圖像的顯著激活和變化的區域。然而，fMRI數據受生理噪聲和機器噪聲影響較大，如果統計分析不夠嚴格方法，那么噪聲信號（也稱假正值，假陽性）很有可能就混雜在了檢測到的激活信號中；反之，如果使用的統計分析方法的檢測效率過於嚴格，那么可能真實的激活信號也會被誤當作噪聲信號而檢測不到。所以要想深入理解fMRI數據和研究大腦活動的機制，一個行之有效的統計分析方法是十分重要的。一個最理想的統計分析結果就是：最大程度的檢測到激活信號，同時又能排除噪聲干擾。當前fMRI領域常用統計檢驗方法為基於隨機場理論的團簇檢驗方法和基於置換檢驗的類團簇檢驗方法。隨機場理論方法普適性好，但要求數據服從隨機場分布，對強度閾值和空間平滑度都有一定的要求，在分析磁共振成像數據時的有一定的偏差。置換檢驗不依賴於數據分布，但只適用於組間分析。針對這一問題，本研究首先對隨機場理論模型和置換檢驗模型做了系統的比較，評價其在實際數據套用中的統計效力。研究發現在組間檢驗上，置換檢驗方法在假陽性的控制上表現較穩定可靠，隨機場理論的檢驗結果對強度閾值的選擇有一定的依賴性。基於此，本項目首次提出基於神經網路的團簇檢驗模型，改模型旨在解決置換檢驗不適用於個體分析，而隨機場理論模型受強度閾值和空間平滑影響統計結構不穩定這一科學問題。和傳統檢驗方法相比，該模型利用了神經網路強大的擬合能力，不再受限於隨機場理論的基於數據分布、平滑度、強度閾值等假設。輸出總體誤差率（family wise error, FWE）和圖像體積、平滑度、強度閾值、團簇大小之間是通過大量的模擬仿真計算建立起來的一一對應的關係，給定圖像體積、平滑度、強度閾值、團簇大小，即能對應出正確的FWE，而不像隨機場理論那樣需要經過複雜且不十分合理的推理計算。和基於隨機場理論的團簇檢驗模型相比，本論文提出的基於神經網路的團簇檢驗模型在一些實驗條件下，都可以明顯降低統計結果的假陽性。可顯著提高基於腦功能磁共振成像技術研究腦科學結果的可信度，對深入探索大腦功能機制具有重要意義。