流形上的空間模式分析及其在大腦發育研究中的套用

《流形上的空間模式分析及其在大腦發育研究中的套用》是依託南開大學，由韓智擔任項目負責人的面上項目。

基本介紹

• 中文名：流形上的空間模式分析及其在大腦發育研究中的套用
• 項目類別：面上項目
• 項目負責人：韓智
• 依託單位：南開大學

中文摘要

哺乳動物的大腦神經元，會形成柱狀、水平陣列、核和層等各種模式的空間結構。了解神經幹細胞的這種結構的形成對闡明大腦發育過程和功能以及神經系統疾病的潛在原因是至關重要的。而目前有大量的幹細胞和神經元的腦成像數據，但缺少有效的分析空間模式的計算框架。本課題中，我們創新的提出開發一種新的計算框架，來分析流形結構的空間模式，具體包括開發分析流形點聚類過程的空間統計，利用稀疏子空間聚類方法在類似流形的結構上檢測點分布的模式，並將上述算法套用在老鼠大腦研究數據上識別神經幹細胞發育的模式。開發的方法和算法將在合成數據和大腦成像數據集上用基於統計和知識的度量來評價算法的準確性和有效性。本課題融合了機器學習、空間統計和腦科學的研究，成果包括一系列創新的用於檢測流形上的低維結構機器學習算法，並促進大腦發育研究的重大發現。此外該計算框架同樣適用於生物、生態、地理等很多套用領域。

結題摘要

大腦是人體最複雜最神秘的器官。大腦的結構組織決定了其功能的水平，包括高級的認知過程，如感知、記憶、學習和決策等。先前的研究已經表明大腦中的神經元在結構上會形成一些特定的空間模式，如層、核或者功能性的柱狀結構等。了解這些模式的發育和形成的機制對闡明大腦功能和辨別神經和發育方面疾病的潛在原因是至關重要的。目前有大量的幹細胞和神經元的腦成像數據，但缺少有效的分析空間模式的計算框架 。針對這種情況，本課題中，我們開發了一種新的計算框架，來分析流形結構的空間模式，具體包括開發分析流形點聚類過程的空間統計，利用稀疏子空間聚類方法在類似流形的結構上檢測點分布的模式。上述算法已經套用在老鼠大腦研究數據上識別神經幹細胞發育的模式，相關論文已經發表在Nature Neuroscience, Neuron, Nature Communications等高影響因子的知名期刊上。本課題融合了機器學習、空間統計和腦科學的研究，通過對大腦模式的空間結構的分析研究，有助於促進大腦發育研究的重大發現。該計算框架同樣適用於生物、生態、地理等其他套用領域。