基于鏈路預(yù)測的靜息態(tài)功能腦網(wǎng)絡(luò)建模關(guān)鍵技術(shù)研究.pdf

1、人腦是自然世界中存在的最復(fù)雜多變的系統(tǒng)之一，可以被描述為一個(gè)多層次的復(fù)雜網(wǎng)絡(luò)。目前，復(fù)雜網(wǎng)絡(luò)的理論已經(jīng)成為了腦網(wǎng)絡(luò)研究的一種重要手段，利用該理論方法進(jìn)行不同尺度下的腦網(wǎng)絡(luò)構(gòu)建，找到符合大腦工作機(jī)制的節(jié)點(diǎn)以及邊的定義，以期可以繪制一張完整的大腦活動圖譜。
　　近年來，為了研究腦網(wǎng)絡(luò)拓?fù)鋵傩耘c解剖空間之間的關(guān)系，越來越多的研究人員開始著眼于腦網(wǎng)絡(luò)建模的研究。通過數(shù)學(xué)建模方法，利用腦區(qū)解剖空間距離作為參數(shù)，建立腦網(wǎng)絡(luò)連接的生成函數(shù)，并不

2、斷優(yōu)化以實(shí)現(xiàn)最優(yōu)擬合。一方面挖掘了物理空間距離及成本與網(wǎng)絡(luò)拓?fù)鋵傩灾g的關(guān)系，另一方面對腦網(wǎng)絡(luò)構(gòu)建計(jì)算成本的降低有著重要的意義。前人的研究已經(jīng)證明，腦網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)是受到節(jié)點(diǎn)解剖距離的約束和影響的。并且利用解剖距離作為參數(shù)的建模方法，無論在正常人或是腦疾病患者，均已經(jīng)證明是可行的。但目前的研究存在兩個(gè)隱含的問題:其一，在不同尺度的節(jié)點(diǎn)規(guī)模下，解剖距離對網(wǎng)絡(luò)拓?fù)鋵傩缘挠绊懯欠翊嬖谝欢ǖ牟町愋?其二，解剖距離只和所選的節(jié)點(diǎn)模板有關(guān)，和樣本個(gè)體

3、無關(guān)，所反映的是共性的特征。而在建模時(shí)，不僅需要考慮共性的特征，同樣還要考慮樣本個(gè)體的個(gè)性化差異。此外，源于腦網(wǎng)絡(luò)在構(gòu)建過程中所受到的各種混雜因素的干擾，導(dǎo)致腦網(wǎng)絡(luò)的可信度問題。傳統(tǒng)的基于重測信度的分析方法能夠針對網(wǎng)絡(luò)指標(biāo)進(jìn)行一致性檢測，卻無法對網(wǎng)絡(luò)結(jié)構(gòu)本身進(jìn)行合理的優(yōu)化，因此急需一種新的方法對腦網(wǎng)絡(luò)進(jìn)行可信度評價(jià)并實(shí)現(xiàn)網(wǎng)絡(luò)模型的優(yōu)化。這一系列問題的探索及研究，為超大規(guī)模腦網(wǎng)絡(luò)的建模及分析提供了新的思路和方法，具有重要的理論價(jià)值和實(shí)踐意

4、義。
　　本文研究得到了國家自然科學(xué)基金項(xiàng)目的支持，針對目前在腦網(wǎng)絡(luò)構(gòu)建中所存在的問題，將復(fù)雜網(wǎng)絡(luò)中鏈路預(yù)測的思想引入到靜息態(tài)功能腦網(wǎng)絡(luò)的建模研究中，在構(gòu)建腦網(wǎng)絡(luò)的基礎(chǔ)上提出基于局部信息指標(biāo)的靜息態(tài)功能腦網(wǎng)絡(luò)模型、層次結(jié)構(gòu)的腦網(wǎng)絡(luò)模型以及基于隨機(jī)分塊思想的鏈路可信度評價(jià)方法及網(wǎng)絡(luò)重構(gòu)模型，最終實(shí)現(xiàn)對腦網(wǎng)絡(luò)的模型構(gòu)建及優(yōu)化。該研究完善和發(fā)展了基于復(fù)雜網(wǎng)絡(luò)理論的腦網(wǎng)絡(luò)分析方法論，同時(shí)降低了網(wǎng)絡(luò)構(gòu)建及分析所需的計(jì)算成本，提高了網(wǎng)絡(luò)的可靠

5、程度，為超大規(guī)模腦網(wǎng)絡(luò)的構(gòu)建提供了新的思路。
　　本文主要創(chuàng)新工作包括有:
　　(1)提出基于局部信息指標(biāo)的功能腦網(wǎng)絡(luò)建模方法
　　本文將鏈路預(yù)測方法中的傳統(tǒng)的局部信息指標(biāo)引入功能腦網(wǎng)絡(luò)建模中，將其與大腦解剖距離結(jié)合起來進(jìn)行腦網(wǎng)絡(luò)數(shù)學(xué)建模，以實(shí)現(xiàn)腦網(wǎng)絡(luò)的仿真。并通過網(wǎng)絡(luò)拓?fù)鋵傩詠砹炕治銎渑c真實(shí)腦網(wǎng)絡(luò)拓?fù)鋵傩灾g的擬合程度，最終給出合理有效的模型評價(jià)指標(biāo)及參數(shù)篩選策略。
　　(2)提出基于層次結(jié)構(gòu)模型的功能腦網(wǎng)絡(luò)

6、建模方法
　　針對腦網(wǎng)絡(luò)具有典型的模塊化結(jié)構(gòu)這一自身特點(diǎn)，本文提出基于層次結(jié)構(gòu)模型的功能腦網(wǎng)絡(luò)建模方法，該方法將腦網(wǎng)絡(luò)的模塊結(jié)構(gòu)作為先驗(yàn)知識進(jìn)行模型構(gòu)建。結(jié)果表明，采用該方法對功能腦網(wǎng)絡(luò)進(jìn)行模型構(gòu)建是可行并且有效的。
　　(3)提出基于隨機(jī)分塊模型的復(fù)雜腦網(wǎng)絡(luò)可信度優(yōu)化方法
　　現(xiàn)有研究下，腦網(wǎng)絡(luò)構(gòu)建中一個(gè)核心問題是網(wǎng)絡(luò)構(gòu)建結(jié)果的質(zhì)量控制，即連接的可信度評價(jià)。傳統(tǒng)方法對構(gòu)建網(wǎng)絡(luò)的質(zhì)量控制只能實(shí)現(xiàn)對網(wǎng)絡(luò)拓?fù)鋵傩缘囊恢滦远?/p>