多模态脑功能信息融合理论和方法

本项目针对如何更好地结合脑成像技术手测脑功能加工过程以及脑功能和脑结构的关系，拟发展脑电(EEG)，功能磁共振(fMRI)和弥散张量成像(DTI)多模态信息融合理论和方法，为认知神经科学和临床医学提供综合的脑功能分析技术。主要包括1)通过非参数方法，优化EEG+fMRI融合生理模型，揭示EEG和fMRI信号产生的神经机制；2)发展基于贝叶斯理论的EEG+fMRI模型驱动融合模型和基于ICA的EEG+fMRI数据驱动融合模型，建立综合两种模型的框架体系；3)利用功能连接和有效连接方法探测EEG+fMRI脑网络融合机制，从电生理和血流动力学两个方面说明脑功能网络的运行机制；4)探测脑功能和结构的关系，建立脑功能和结构网络的信息融合方法。在此基础上，结合癫痫引起脑功能和结构网络异常这一临床科学问题，开展多模态信息融合方法的应用研究。

本项目针对如何更好地结合脑成像技术手测脑功能加工过程以及脑疾病引起脑功能和脑结构异常变化影像学特征科学问题，在网络层面上发展脑电(EEG)，功能磁共振(fMRI)和弥散张量成像(DTI)多模态信息融合理论和方法。主要包括：（1）采集了癫痫、抑郁症等疾病和正常对照脑影像数据200例；（2）建立了Granger脑网络模型, 首先提出非线性条件因果模型，突破了此前只能检测脑区域间功能信息线性传递的限制，实现了脑区域间非线性传递和直接信息传递的检测。进一步，提出了血流动力学反卷积因果模型，实现了基于fMRI数据在神经水平进行脑功能动态信息的检测，并发现运动想象和运动执行脑功能网络动态连接特征；(3) 建立了不同时间尺度脑EEG+ fMRI融合系统和模型，实现了磁共振系统下同步脑电数据采集和分析，为揭示脑认知和癫痫活动提供了新的分析方法；（4）建立了功能和结构脑网络融合模型，首先提出了局部脑网络的功能和纤维结构信息融合方法，发现局部癫痫患者大脑默认网络功能和结构连接一致性降低。然后，提出了大尺度功能和结构耦合的分析方法，发现癫痫引起脑功能和结构网络耦合程度降低。进一步，提出形态结构、纤维连接和功能网络融合模型，发现癫痫等疾病引起脑功能和结构的变化脑影像特征；(5)提出了重大疾病脑网络模式识别模型和方法，首先提出了仿射聚类的脑功能活动特征提取方法，实现脑功能活动的自动特征提取。然后,提出了脑功能低频活动稳定响应和分频特征提取方法，实现脑活动特殊频段信息特征提取。进一步，建立了大尺度功能脑网络特征、融合时空信息的多水平特征、多模态多任务特征和动态网络特征的脑网络模式模型。对焦虑症患者的正确区分率为82.5%、创伤应急障碍患者分类准确率为92.5%、阿尔茨海默病的分类准确率94.37%、癫痫模式识别正确率85%、对抑郁症模式识别率82%，这些结果显著优于传统的特征选择的模式识别模型。 .项目发表国际学术刊物 Brain, NeuroImage, Human Brain Mapping和IEEE Trans BME 等SCI检索论文42篇，项目实施4年期间发表的论文被SCI引用1200余次，单篇SCI引用68次。开展了国际合作与交流，已培养博士生6人，硕士生12人，项目负责人获得国家杰出青年基金和教育部长江学者特聘教授，获1项教育部科技进步奖一等奖和中华医学科技奖二等奖。