精細空間尺度下的靜息態功能腦網路分析方法研究

《精細空間尺度下的靜息態功能腦網路分析方法研究》是依託北京大學，由張慧擔任負責人的青年科學基金項目。

基本介紹

• 中文名：精細空間尺度下的靜息態功能腦網路分析方法研究
• 項目負責人：張慧
• 依託單位：北京大學
• 項目類別：青年科學基金項目

項目摘要

隨著人們對靜息狀態腦功能網路研究的逐步深入，探索不同空間尺度下，尤其是高解析度精細空間尺度下功能腦區之間的連線關係以及腦網路的組織結構變的十分必要和迫切。本項目針對傳統分析方法在提取精細空間尺度下的靜息態腦網路方面存在的局限性，依據腦功能區的局部一致性原則和靜息狀態功能相似腦區的BOLD信號的低頻振盪同步性原則，結合圖像處理中的雙邊濾波思想和多元統計量RV係數，設計並構建一套用於精細空間尺度下靜息態腦網路分析的多元統計算法流程。該分析方法建立在嚴格的理論論證和仿真實驗的有效性分析基礎上，並套用於靜息狀態面孔認知腦功能網路的分析。本研究將為靜息態腦網路這一當前認知神經科學的熱點問題提供適合的分析工具和尋求新的科學依據。

結題摘要

到目前為止，該項目指標已按照項目申請書所提的計畫和目標順利完成。 首先，我們按照項目規劃提出並構建了一套用於精細空間尺度下靜息態腦網路分析的多元統計算法流程。對於靜息態fMRI數據結構的特點, 我們提出首先採用K最近鄰(K-nearest neighbors，KNN) 算法來對種子區域進行分類和提純；其次，採用基於RV係數的多元功能連線度計算框架，將圖像處理中的雙邊濾波思想和度量多元相似性的統計量RV係數巧妙結合，在最大限度去除空間噪聲的同時有效的保持空間特徵信息，獲取精細尺度空間下的靜息態功能連線度圖譜；另外，針對多元相RV關係數顯著性檢驗計算難度大的問題，我們提出採用連續函式逼近的方法解決RV係數連線度圖譜的假設檢驗問題。我們開發了基於matlab 和R的算法平台；最後，我們將這一分析方法套用於精細空間尺度下靜息態面孔認知腦網路的分析中, 我們的實驗結果表明，靜息狀態下，存在一個包括FFA (Fusiform face area,梭狀回面孔加工區)，OFA（occipital face are，枕葉面孔加工區），STS （superior temporal sulcus, 顳上溝）在內的核心面孔加工腦網路,這暗示了即使在不受任何外界刺激的靜息狀態下，一些與面孔認知相關的腦區仍然存在表明它們有連線關係的自發同步低頻振盪。除此之外，前額葉和頂葉的部分腦區也包含在該靜息態面孔加工腦網路中。我們的結論為當前認知神經科學熱點問題靜息態腦網路的研究提供了適合的分析工具和科學依據。在學術研究方面，我們共發表文章4篇SCI或EI檢索文章，其中1篇發表在認知神經科學高水平雜誌NeuroImage（IF=6.252）上,另有3篇發表在該領域有影響力的國際會議上。在國際交流與合作方面，我們在該項目的資助下多次參加與本領域相關的國際會議和學術研討會，與同領域專家學者積極交流互動，探討該領域的發展方向和前沿成果。