人脑MRI数据特征提取方法的研究与应用

Feature extraction is essential for constructing the relationship between the functional magnetic resonance imaging (fMRI) data set and the corresponding experimental variables which reflect the human neural and mental activity. This program aimed at descripting the fMRI data set from the feature extraction point of view, which took advantage of the development in machine learning literature. It is believed that 95% of the various relationships between different brain regions are linear correlation, the other 5% were nonlinear relationships. Thus the linear functional connectivity and nonlinear connectivity features are both used for data description. On the simulated MRI data set, these novel feature extraction methods are tested. Then the new methods are applied to human fMRI data set of healthy subjects, subjects with major depression disorder and subjects with epilepsy, which will shed new light on the network analysis of brain development and the brain diseases from the functional integration perspective. The multivariate pattern analysis of fMRI data set based on these new measure will further explore the neural mechanism of the human mind and thought. Furthermore, this program has some potential in diagnosis and prevention of psychiatric disorders and neurodegenerative disease.

建立功能磁共振成像（functional magnetic resonance imaging, fMRI）数据和人的神经、精神活动表现型的对应关系需要对fMRI数据进行精确的描述，这就是fMRI数据的特征提取。本课题拟利用机器学习的研究进展，从特征提取的角度对脑fMRI数据进行研究。由于在脑区间的相互作用中，线性关系约占95%，而另外5%为非线性相互作用。在对fMRI数据提取其线性功能连接特征的基础上，进一步提取其非线性功能连接特征来反映其非线性相互作用。在仿真数据上对提出的新特征进行测试后，将非线性特征应用于健康被试以及抑郁症和癫痫病人fMRI数据，可以进一步揭示人脑的发育以及抑郁症和癫痫的神经生理机制，为人脑发育以及脑疾病的网络化分析提供新视角。基于非线性功能连接特征的多变量模式分析对于解读人的情绪和思维具有重要意义，在临床上脑疾病的诊断也具有一定的意义。

课题组前期对伴随着右侧海马硬化的颞叶癫痫进行了研究，本课题继续对伴随着左侧海马硬化的颞叶癫痫进行研究。共采集了63例被试的功能磁共振数据（左侧海马硬化颞叶癫痫病人：右侧海马硬化颞叶癫痫病人：健康人 = 21: 21: 21）。基于提取的个被试的全脑范围的功能连接特征，对三组被试进行了多变量模式分析，挑选出三组被试间差异最大的脑连接，并对这些脑连接进行了脑半球偏侧化分析及基于特定静息功能网络的网络化分析。右侧海马硬化颞叶癫痫与健康被试的模式分类正确率达到95.2%，左侧海马硬化颞叶癫痫与健康被试的模式分类正确率达到了85.7%，而右侧海马硬化颞叶癫痫与左侧海马硬化颞叶癫痫病被试的分类正确率只有71.4%。左侧海马硬化颞叶癫痫与右侧海马硬化颞叶癫痫均呈现出右脑半球功能连接减弱左脑半球功能连接增强的特点，并且这种偏侧化趋势均受到静息功能网络的影响。该结果表明左、右侧海马硬化颞叶癫痫功能异常呈现出趋同的偏侧化趋势而非对称的偏侧化趋势，这为研究左、右侧海马硬化颞叶癫痫的底层共同神经生理机制提供了线索，并为研究颞叶癫痫脑功能连接的非对称性及功能补偿机制提供了新的证据。基于静息功能网络的网络分析表明颞叶癫痫的功能异常呈现出功能整合化趋势，并在一定程度上影响了颞叶癫痫的脑半球偏侧化趋势。为了进一步验证前面研究结果，与电子科技大学合作采集270例颞叶癫痫及健康被试（颞叶癫痫：健康被试 = 109: 161）的功能磁共振数据，进行多年量模式分析及网络化分析。癫痫患者于健康被试的分类正确率达到83.7%。此外，课题组针对静息态和自传体记忆任务态的重型抑郁症患者的功能磁共振数据（抑郁症：健康被试 = 15: 15），分别利用确定性动态因果建模方法以及随机动态因果建模方法对重型抑郁症进行有效连接特征的多变量模式分析。利用有效连接特征对重型抑郁症患者和健康被试可以进行有效区分。结果表明重型抑郁症患者不仅功能连接发生异常，脑区间的信息流也发生了改变。