基于体元的形态测量学VBM综述.pdfVIP

第14届中国神经网络学术会议论文集 基于体元的形态测量学(VBM)综述‘ 郭小娟1 姚力2 金真3 陈克伟4 1北京师范大学心理学院100875 2北京师范大学信息科学学院100875 3解放军306医院磋共振室100101 4 PET GoodSamaritan Medical 85006 Center．Banner Regional Center，Phoenix，AZ 摘 要基于体元的形态测量学(Voxel．Based 图像全面的、综合的、客观的分析方法，可以定量检测脑结构组织成分的浓度，从而进行不 同群体间局部差异的比较．对VBM方法做了简要的介绍，阐述了VBM的基本原理和实施 步骤，并应用该方击对注意缺陷并多动障碍儿童的脑结构磁共振成像进行了处理和分析，与 正常人逆行比较，发现了有意义的差异，最后，指出VBM方法的局限性以及利用VBM方 ’ 法进行研究的意义． 关键词基于体元的形态测量学，磁共振成像，广义线性模型，假设检验 1． 引言 茎于体元的形态测量学(Voxel，Based 分的浓度，从而进行不同群体间脑局部区域差异的比较，或结合其他病理生态学指标进行相 关分析。简而言之，VBM是一种基于体元对脑结构图像的全面的、综合的、客观的分析技术， 可以刻划出局部脑区的特征和脑组织成分的差异。该方法自2000年被英国科学工作者 Ashburner和Fri ston“。首次提出后，立即受到众多学者的关注．并被广泛地应用于分析不 同人群的脑结构差异，特别是对于患有某种疾病的人群的脑组织分析。 本文着重介绍了VBM的数学原理：简要叙述了该方法的实施步骤；并应用该方法对注意 缺陷并多动障碍儿童脑结构磁共振成像进行了处理和分析，与正常人进行比较，发现了有意 义的差异：最后。我们也指出VBM方法的局限性以及利用VBM方法进行研究的意义。 2． VBM方法的数学原理 VBM方法是基于体元的分析，即一个体元一个体元地对脑组织成分进行统计分析-所 以首先需把被研究的所有个体的脑结构像标准化到一个完全相同的立体空间中，利用统计原 理检验脑组织成分的局部相对浓度的差异。基于体元的参数假设检验是典型的参数统计分析 过程，其核心数学思想是统计建摸和假设检验，所使用的统计模型是广义线性模型，分别对 每个体元建立同样的模型，进行参数估值和计算统计量．从而指定显著性水平进行假设检验· Linear 2．I广义线性模型(GeneralModel) VBM月fi进行的参数统计是基T-广义线性模型的方法．下面以最简单的两个样本的t检验 为例说明。假定YIj和y卸分别表示两个独立组的随机变量，即一个特fg．体元的脑组织灰度值， 产1。2……．，表示所分析的样本个体数，两个样本的f检验假定％l。id“¨9，口2)，其中g=1．2． ·本文得到国家自然科学基金项目资助(NoNo 人工神经网络与自然计算研咒进展 零假设Ho：∥，=段。这个模型的标准统计形式可写为：％=以+白，这里勺。Ⅳ(0，口2)。使用 两个哑变元xI盯和而酊，上式可重写为：％=而口“+％地+勺，或者用矩阵形式表示为 y：．矽+￡。哑变元表明组间的关系，而∥表明％是否来自第一组，当921时，玉石=l，当g =2时，而。，2 。2时具有类似的意义·表明乃是否来自第二组· o，即工Ⅻ5{o．_：2， 2．2参数统计假设检验 根据实验设计把模型建立起来后．开始估计模型中的未知参数夕。进而计算T统计量， 作假设检验。零假设为Ho：H=心，设计矩阵x含有两列哑变元·表明组的关系．参数向量 o：一=∥2等价于H ∥=(朋，∥：)7。这样零假设H 肌个。孤个，表示所观剃的为第二组。因此c巾，；0三]，c并Ⅵ1