多模態fMRI信息融合的腦功能網路構建與分析

《多模態fMRI信息融合的腦功能網路構建與分析》是依託同濟大學，由何良華擔任項目負責人的面上項目。

基本介紹

• 中文名：多模態fMRI信息融合的腦功能網路構建與分析
• 項目類別：面上項目
• 項目負責人：何良華
• 依託單位：同濟大學

中文摘要

隨著核磁共振成像質量的不斷提高和最新研究的跨越式進展，研究人員可精確地定位與細分不同腦區的功能。近年來，腦功能性連線已成為腦認知研究的熱點，主要通過分析任務態或靜息態等單一狀態下所獲取的腦認知數據來完成，所得腦網路結果或者具有較強的任務依賴，或者難以獲得認知解釋。因此，本課題提出任務與靜息多模態下腦功能網路的研究思路，利用各任務態下認知功能明確、靜息態下功能默認的特點，綜合研究腦網路模型，探討認知計算。主要研究內容包括：基於小波壓縮感測空間的海量腦影像數據合理高效降維研究；基於頻率的多模態fMRI中有效腦激活特徵研究；基於貝葉斯網路的靜息態腦網路建模與分析；基於多模態fMRI的半監督腦網路模型研究;開展各腦網路模型認知表達與各模態功能核磁共振成像數據認知特點的研究；在上述認知模型與認知數據關係研究的基礎上，探索認知計算的基本機理。本課題的開展，既全面研究腦網路構建，還深度理解腦認知。

結題摘要

隨著核磁共振成像技術的提高，依託其成像數據進行腦認知狀態判別與分析研究已然成為研究熱點。然而，數據的高維、高冗餘、強狀態依賴是研究人員必須克服的挑戰。為此，本項目面向腦認知影像大數據，特別是核磁共振影像數據，圍繞腦認知狀態、活動等判別分析中的關鍵科學問題開展研究。提出了約束的稀疏表示特徵計算模型、改進了模糊C均值分割算法，提高了大變形腦圖象的定位與分割精度，構建了基於多變數Bayesian網路的腦網路分析模型、基於深度神經網路ADHD fMRI腦網路分析模型、基於社會網路的ADHD fMRI腦網路分析模型、基於卷積神經網路ADHD fMRI腦網路分析模型等一系列腦網路分析模型，並研究了不同腦區的認知功能及其對ADHD的判別分析影響。上述成果為基於大數據的腦認知研究提供了理論方法，為將來的數字醫療提供技術支持。 本項目在《IEEE Transactions on Systems，Man, and Cybernetics: Systems》、《IEEE Transactions on Wireless Communications》、《Neurocomputing》、《Digital Signal Processing》、《Bio-Medical Materials and Engineering》等國內外學術刊物和會議上共發表論文（含錄用）19篇，事實資助但未標註論文（含錄用）4篇（任何基金未標註），其中，SCI檢索10篇。申請並公開發明專利3項，軟體著作權7項。培養1名博士生，8名碩士生。項目負責人何良華教授獲得2014年度教育部科技進步一等獎1項（排名第9），併入選第一屆教育部“長江學者獎勵計畫”青年學者項目。