基于磁共振脑网络特征进行个体判别及个体预测的计算方法学研究

Individual discrimination and prediction using multi-modal MRI features has been a critical topic in the field of neuroimaging computation. During last decade, multiple MRI techniques have been widely applied to non-invasively study human brain connectivity and networks in-vivo. These MRI-based connectivity/network studies have attracted a lot of attention in neuroscience, neurology, psychiatry, and neuroimaging...Recently, there are increasing studies applying the MRI-based connectivity/network features for individual discrimination and prediction. However, a number of methodological issues remain unsolved, hindering relevant applications. Our project is proposed to exclusively address these issues. Specifically, our investigation will include 1) accessing/optimizing the extract methods of raw MRI-based connectivity/network features; 2) analyzing the methodology of feature selection and fusion of MRI-based connectivity/network features; 3) evaluating/developing the discrimination/prediction models as well as their generalization abilities. Based on these relevant methodological results/conclusions, we will try to apply MRI-based connectivity/network features to achieve accurate discrimination for dyslexic individuals, as well as accurate prediction of individual scores of reading skills within healthy populations.

基于多模态磁共振影像特征的个体判别与个体预测，是神经影像计算领域的重点研究方向。研究表明，多模态磁共振影像可以用来研究活体人脑连接与人脑网络，该领域已成为神经科学、神经精神病学、及神经影像学的研究热点之一。最近，越来越多的磁共振影像个体判别/预测研究已经开始尝试采用磁共振脑连接或脑网络信息作为分类/预测特征，并取得了不错的效果。但到目前为止，领域内仍缺乏对相关计算方法的系统深入研究，这导致了在很多关键计算处理步骤的选择上缺乏依据，给相关应用研究造成了很大困扰。针对这一困境，本项目拟从三个方面开展深入系统的相关计算方法学研究：１）不同脑网络原始特征的评价与优化；２）海量脑网络特征的降维（即特征选择）及融合方法研究；３）个体判别/预测方法及其可推广性研究。最后，为了进一步验证和应用相关的方法学研究成果，将开展４）围绕人类阅读能力的个体判别（即阅读障碍个体）与个体预测（即阅读认知分数）应用研究。

基于多模态磁共振影像特征的个体预测，是神经影像计算领域的重点研究方向。越来越多的磁共振影像个体预测研究已经开始尝试采用磁共振脑连接或脑网络信息作为预测特征，并取得了不错的效果。但到目前为止，领域内仍缺乏对相关计算方法的系统深入研究，这导致了在很多关键计算处理步骤的选择上缺乏依据，给相关应用研究造成了很大困扰。为了克服上述困扰，本项目主要开展了三个方面研究，包括 ：1）汇聚和采集三套独立样本数据集，研发针对脑网络连接特征优化的计算新方法；2）以阅读相关认知能力为预测目标，开展利用脑网络连接特征进行个体认知预测的方法学研究；3）融合多种磁共振脑影像特征，建立阅读认知相关能力的高精度、且具有良好推广性的个体预测模型。.. 通过本项目研究，项目组发展了2种面向磁共振脑网络连接特征的优化和选择新方法，有助于提高这些脑影像特征在个体认知预测中的表现；揭示了机器学习算法类型和样本量对预测个体行为的影响及其相关规律，为领域内其他认知能力的个体预测研究提供了重要的方法学指导（如机器学习算法、样本量、特征维度等方面的选择）；开发了一套基于磁共振影像脑连接特征的个体认知预测平台，推动了领域内个体预测的应用研究。针对阅读能力，项目组利用多维脑影像特征建立的高精度、可扩展性的个体预测模型，为理解人类阅读能力的脑机制提供了重要的多变量视角，并为阅读困难个体的自动化识别提供了潜在工具。最后，通过拓展性的揭示左右半脑连接/网络偏侧化特征的部分生物机制和认知相关性，为将来基于左右脑连接偏侧化特征的个体预测研究提供了理论支持。基于上述研究结果，项目组已发表SCI论文12篇，授权发明专利2项。