多图融合学习及其在脑疾病诊断中的应用研究.pdfVIP

摘要

静息态功能磁共振成像是一种无需执行任何特定任务即可测量被试血氧水平依

赖信号的技术,已广泛用于脑疾病的早期诊断.研究发现脑部疾病倾向于破坏不同脑

区的神经连接,利用静息态功能磁共振成像数据估计功能连接脑图,能够有效地刻画

被试大脑的细微异常变化.因此,估计高质量的功能连接脑图成为脑疾病识别和相关

生物标志物发现的关键问题.

目前,研究者提出了许多方法来估计不同连接水平上的功能连接脑图,如皮尔森

相关,稀疏表示,高阶相关等.虽然这些方法在脑疾病分类任务上已验证了其有效性,

但其仍然存在一些问题.这些研究通常只能捕获大脑区域之间单一的交互关系,而忽

略了脑区之间复杂的交互方式,并且默认不同脑区对之间都是相同类型的交互方式

(称为同质功能连接脑图).因此,本文的研究重点是融合不同视角估计的功能连接脑

图以编码大脑复杂的交互方式,并设计了以下两种新型的功能连接脑图估计方法:

1)考虑到单一的相关性可能难以充分捕获大脑中复杂的交互方式,导致脑区之

间的连接具有片面性和局限性等问题,提出了一种多个功能连接脑图融合框架.具体

来说,对于每个被试,首先使用不同的方法为其估计多个功能连接脑图,从不同视角

编码脑区之间复杂的交互.然后,在标号信息的指导下自适应地学习融合权重,以测

量估计的功能连接脑图的重要性.

2)考虑到大脑是一个复杂的交互系统,不同的脑区之间可能具有不同类型的交

互方式,因此,提出了一种异质连接的功能连接脑图估计模型.具体来说,假设不同

的脑区之间可以有不同类型的交互方式,且任意两个脑区之间至多只有一种类型的

交互方式,基于此假设估计的脑图称为异质功能连接脑图.并开发了一种改进的正交

匹配追踪算法,在标签信息的指导下,为每对脑区配置不同的类型权重,生成异质的

功能连接脑图.

最后,为了验证两种模型的有效性,本文在公开数据上进行了实验,结果表明提

出的方法取得了最优的分类性能.

关键词:脑疾病;功能连接脑图;加权融合;正交匹配追踪;异质性

ABSTRACT

Resting-statefunctionalmagneticresonanceimaging,atechniquethatmeasuresa

subjectsbloodoxygenlevel-dependentsignalwithoutperforminganyspecifictask,has

beenwidelyusedfortheearlydiagnosisofbraindiseases.Ithasbeenfoundthatbrain

diseasestendtodisruptneuralconnectivityindifferentbrainregions,andtheestimationof

functionalconnectivitybraingraphsusingresting-statefunctionalmagneticresonance

imagingdataiseffectiveinportrayingsubtleabnormalchangesinasubjectsbrain.

Therefore,estimatinghigh-qualityfunctionalconnectivitybraingraphsbecomesakeyissue

forbraindiseaseidentificationandrelatedbiomarkerdiscovery.

Atpresent,researchershaveproposedmanymethodstoestimatefun