《新型統計計算方法在醫學影像數據分析中的套用》是依託湖南師範大學，由郭水霞擔任項目負責人的面上項目。
基本介紹
- 中文名：新型統計計算方法在醫學影像數據分析中的套用
- 項目類別：面上項目
- 項目負責人：郭水霞
- 依託單位：湖南師範大學
項目摘要,結題摘要,
項目摘要
本項目是統計方法在醫學影像數據分析中的套用，基於中南大學湘雅醫院提供的數據，擬從下列幾個方面進行研究。（1）希望提出一種全局化的方法對大腦網路進行分析，從全腦角度尋找精神病患者和正常人之間存在顯著差別的功能連線或迴路，並結合患者的病程、病情嚴重程度等信息利用統計方法分析差別存在的原因,該方法是由數據直接驅動的，避免了先驗知識的選擇；（2）大腦的不同腦區可以看做是一個離散狀態馬氏鏈，我們將利用馬氏鏈的性質研究大腦網路的動力學性質，對腦區的聚類方法進行改進；（3）由於大腦各腦區之間並不是獨立的，以往利用獨立雙樣本t檢驗的方法選擇特徵的時候會淹沒一些信息，我們希望研究一種算法一次性將全部有用的特徵提取出來，而這也有利於提高判別精度；（4）由於大腦連線網路不是一成不變的，我們將利用時變因果關係建立大腦模型，考慮腦區之間的關聯性隨時間變化的規律，並比較正常人和病人在連線強度和連線方向上的主要差異
結題摘要
本項目是統計方法在醫學影像數據分析中的套用，基於中南大學湘雅醫院、英國Nottingham大學等數據進行了下列幾個方面進行研究，基本完成了預定的研究任務。（1）提出了一種全局化的方法對大腦網路進行分析，從全腦角度尋找精神病患者和正常人之間存在顯著差別的功能連線或迴路，並結合患者的病程、病情嚴重程度等信息利用統計方法分析差別存在的原因,該方法是由數據直接驅動的，避免了先驗知識的選擇；（2）我們利用馬氏鏈的性質研究大腦網路的動力學性質，對腦區的聚類方法進行改進，將大腦腦區分成6大類，我們發現精神分裂症病人與正常人相比最主要的差異在注意網路；（3） 我們對現有的分類方法進行了改進，以更高的準確率區分病人和正常人； （4） fMRI數據中的噪聲與信號相關。為了更準確地估計信號之間的內在聯繫，我們提出了時空Granger因果關係的概念。在這個框架內，因果關係重新定義為兩個具有時變特性的時間序列之間的直接信息流的整體指標。理論和數據模擬的結果顯示，我們的方法提供了一種從fMRI, EEG以及其他相關數據進行因果分析的更魯棒以及通用的方法。
