多模態腦功能信息融合理論和方法

多模態腦功能信息融合理論和方法

《多模態腦功能信息融合理論和方法》是依託電子科技大學,由陳華富擔任醒目負責人的重點項目。

基本介紹

  • 中文名:多模態腦功能信息融合理論和方法
  • 依託單位:電子科技大學
  • 項目類別:重點項目
  • 項目負責人:陳華富
項目摘要,結題摘要,

項目摘要

本項目針對如何更好地結合腦成像技術手測腦功能加工過程以及腦功能和腦結構的關係,擬發展腦電(EEG),功能磁共振(fMRI)和彌散張量成像(DTI)多模態信息融合理論和方法,為認知神經科學和臨床醫學提供綜合的腦功能分析技術。主要包括1、通過非參數方法,最佳化EEG+fMRI融合生理模型,揭示EEG和fMRI信號產生的神經機制;2、發展基於貝葉斯理論的EEG+fMRI模型驅動融合模型和基於ICA的EEG+fMRI數據驅動融合模型,建立綜合兩種模型的框架體系;3、利用功能連線和有效連線方法探測EEG+fMRI腦網路融合機制,從電生理和血流動力學兩個方面說明腦功能網路的運行機制;4、探測腦功能和結構的關係,建立腦功能和結構網路的信息融合方法。在此基礎上,結合癲癇引起腦功能和結構網路異常這一臨床科學問題,開展多模態信息融合方法的套用研究。

結題摘要

本項目針對如何更好地結合腦成像技術手測腦功能加工過程以及腦疾病引起腦功能和腦結構異常變化影像學特徵科學問題,在網路層面上發展腦電(EEG),功能磁共振(fMRI)和彌散張量成像(DTI)多模態信息融合理論和方法。主要包括:(1)採集了癲癇、抑鬱症等疾病和正常對照腦影像數據200例;(2)建立了Granger腦網路模型, 首先提出非線性條件因果模型,突破了此前只能檢測腦區域間功能信息線性傳遞的限制,實現了腦區域間非線性傳遞和直接信息傳遞的檢測。進一步,提出了血流動力學反卷積因果模型,實現了基於fMRI數據在神經水平進行腦功能動態信息的檢測,並發現運動想像和運動執行腦功能網路動態連線特徵;(3) 建立了不同時間尺度腦EEG+ fMRI融合系統和模型,實現了磁共振系統下同步腦電數據採集和分析,為揭示腦認知和癲癇活動提供了新的分析方法;(4)建立了功能和結構腦網路融合模型,首先提出了局部腦網路的功能和纖維結構信息融合方法,發現局部癲癇患者大腦默認網路功能和結構連線一致性降低。然後,提出了大尺度功能和結構耦合的分析方法,發現癲癇引起腦功能和結構網路耦合程度降低。進一步,提出形態結構、纖維連線和功能網路融合模型,發現癲癇等疾病引起腦功能和結構的變化腦影像特徵;(5)提出了重大疾病腦網路模式識別模型和方法,首先提出了仿射聚類的腦功能活動特徵提取方法,實現腦功能活動的自動特徵提取。然後,提出了腦功能低頻活動穩定回響和分頻特徵提取方法,實現腦活動特殊頻段信息特徵提取。進一步,建立了大尺度功能腦網路特徵、融合時空信息的多水平特徵、多模態多任務特徵和動態網路特徵的腦網路模式模型。對焦慮症患者的正確區分率為82.5%、創傷應急障礙患者分類準確率為92.5%、阿爾茨海默病的分類準確率94.37%、癲癇模式識別正確率85%、對抑鬱症模式識別率82%,這些結果顯著優於傳統的特徵選擇的模式識別模型。 項目發表國際學術刊物 Brain, NeuroImage, Human Brain Mapping和IEEE Trans BME 等SCI檢索論文42篇,項目實施4年期間發表的論文被SCI引用1200餘次,單篇SCI引用68次。開展了國際合作與交流,已培養博士生6人,碩士生12人,項目負責人獲得國家傑出青年基金和教育部長江學者特聘教授,獲1項教育部科技進步獎一等獎和中華醫學科技獎二等獎。

相關詞條

熱門詞條

聯絡我們