基于机器学习的脑网络分析方法及应用.docx

基于机器学习的脑网络分析：方法及应用张道强1，接标1,2南京航空航天大学计算机科学与技术系，南京，210016; 2. 安徽师范大学数学计算机科学学院，芜湖，241003）摘 要：脑网络学习旨在从整体上研究大脑各功能区的交互，对于人类深入了解大脑功能和结构，以及对一些脑疾病的诊断都具有非常重要的作用。作为脑网络分析的重要工具，机器学习由于能够从数据中学习规律并对未知数据进行预测，已成为近年来脑网络分析领域一个新的研究热点。本文综述了近年来基于机器学习技术在脑网络分析中的典型研究方法和应用，其中研究方法主要从网络的构建、特征学习和分类预测等三个方面加以介绍。最后，总结全文并展望未来研究方向。关键词：脑网络分析；机器学习；特征学习；核方法中国分类号：TP391文献标识码：Machine-Learning-Based Brain Network Analysis: Method and ApplicationZhang Daoqiang1*, Jie Biao1,2 (1. Department of Computer Science and Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China; 2. School of Mathematics and Computer Science, Anhui Normal University, Wuhu, 241003, China)Abstract: Brain network is to study the interaction of brain functional regions as a whole system, which plays a very important role for the understanding of brain function and structure, as well as the diagnosis of some brain diseases. As an important tool to analyze brain networks, machine learning has become a new focus of research since it can obtain the rules via automatically analyzing data and apply these rules to predict the unknown data. This paper reviews the concepts, methods and applications of brain network analysis, and mainly discusses some related works based on machine learning techniques from the following three aspects, i.e., construction of bran network, feature learning and classification and prediction. Finally, we conclude this paper and indicate some new directions for future research.Keywords: brain network analysis; machine learning; feature learning; kernel method1. 引 言人脑的结构和功能极其复杂，理解大脑的运转机制，是新世纪人类面临的最大的挑战之一。为此，世界各国投入了大量的人力和物力进行研究。例如，美国和欧盟分别投入38亿美元和10亿欧元，启动大脑研究计划[1]。脑科学研究成果一方面将为人类更好地了解大脑、保护大脑、开发大脑潜能等方面做出重要贡献，同时也有助于加深对阿尔茨海默病（Alzheimers disease，AD）及其早期阶段即轻度认知功能障碍（mild cognitive impairment ，MCI）、帕金森氏症（Parkinsons disease，PD）等脑疾病的理解，找到一系列神经性疾病的早期诊断和治疗新方法。 大量医学和生物方面的研究成果表明人的认知过程通常依赖于不同神经元和脑区间的交互[3]。近年来，现代成像技术如磁共振成像（Magnetic Resonance Imaging，MRI）和正电子发射断层扫描（Positron Emission Tomography，PET)等提供了一种非侵入式的方