脑影像功能校准及其应用研究

As a key technology to analyze multi-subject brain image data, functional alignment maps different subjects' response patterns from their individual representation space to a common space, so as to carry out follow-up studies in the same space. Based on our previous works, in this project we will study several important problems in functional alignment of brain image, including Region of Interests (ROI) based functional alignment, whole-brain functional alignment and optimization approaches for alignment models. Specifically, in this project we will: 1) construct ROI-based functional alignment models, which include deep functional alignment, supervised functional alignment and ROI-automatic-filter functional alignment. These methods can handle nonlinearity, high-dimensionality, and noise in the alignment process. 2) develop a new framework for analyzing whole-brain datasets by exploiting the SearchLight techniques. This framework applies local patch analysis to the whole-brain neural activities, it does not suffer the current issues in the classical alignment techniques, i.e., loci issue, and runtime issue. 3) propose optimization methods for alignment models to reduce the storage space and the running time required in the model training process from both the data scale and the calculation scale. The study of this project will contribute to the theory and method of functional alignment of brain image, and is also expected to achieve practical application results.

作为分析多被试者脑影像数据的关键技术，功能校准是将不同被试者的响应模式从各自的表示空间映射到公共空间，以便于在同一空间中开展后续研究工作。本项目旨在原有工作基础之上，对脑影像功能校准中存在的局部结构功能校准、全脑结构功能校准和校准模型性能优化等重要问题开展研究。本项目将：1）构建针对脑局部结构的功能校准模型，主要包括深度功能校准、监督型功能校准和自动过滤ROI的功能校准，以解决功能校准中遇到的非线性、高维度以及数据噪声等问题；2）设计基于SearchLight技术的全脑结构功能校准框架，通过将局部块分析应用于全脑神经活动，解决传统方法存在的位置偏移和耗时长等问题；3）提出针对校准模型的性能优化方法，从数据尺度和计算尺度两个方面降低模型训练过程中所需的存储空间及运行时间。通过本项目的研究不仅能在脑影像功能校准理论与方法上有所贡献，还可望取得实际的应用成果。

脑影像功能校准是对齐不同被试刺激响应模式的关键技术。本项目针对脑影像功能校准中存在的局部结构功能校准、全脑结构功能校准和校准模型性能优化等重要问题开展研究，具体包括：提出了一种有监督的超校准方法最大化属于同一类别的刺激之间的相关性，用于提升多体素模式分析性能；提出了一种图超校准算法用于克服由fMRI高空间和低时间分辨率引起的过拟合问题；提出了一种基于图的解码模型，借助跨被试者的图矩阵度量多被试fMRI相似性；提出了一种基于时间信息引导的视觉刺激重建方法。实验结果表明所提出的脑影像功能校准方法能够有效对齐不同被试响应模式的表示空间，在包括视觉刺激、决策、口味和工作记忆等不同任务中取得更优性能。所提出的优化算法能够以较低的计算复杂度实现多被试者高维fMRI数据分析。基于以上研究已发表脑影像认知类期刊和会议论文80篇，授权国家发明专利 13项。这些科学性的解决方案为多被试脑功能影像校准提供了基础理论和技术支撑，有望推动计算脑认知解码领域发展与革新。