基于分岔理论的全脑动力学建模分析.pdfVIP

2025年第25卷第18期科学技术与工程ISSN1671—1815

2025,25(18):07700-10ScienceTechnologyandEngineeringCN11—4688/T

DOI:10.12404/j.issn.1671-1815.2405388

引用格式:郭琪丽,魏静,刘宇轩,等.基于分岔理论的全脑动力学建模分析[J].科学技术与工程,2025,25(18):7700-7709.

GuoQili,WeiJing,LiuYuxuan,etal.Whole-Braindynamicalmodelingbasedonbifurcationtheory[J].ScienceTechnologyandEngineer-

ing,2025,25(18):7700-7709.

基于分岔理论的全脑动力学建模分析

121111∗

郭琪丽,魏静,刘宇轩,许亚茹,郝志鹏,杨艳丽

(1.太原理工大学大学计算机科学与技术学院,太原030600;2.山西财经大学信息学院,太原030012)

摘要传统的全脑动力学模型反演技术采用静态的单一特征来约束,忽略了脑网络的动态波动,缺少对相应特征的定性分

析,导致建模精度不高、解释性不够。针对这一问题,在基于分岔分析的基础上提出了一种多目标期望最大化算法。该方法

利用动态平均场模型,结合基于多模态影像数据提取的脑结构功能特征进行建模。进一步利用分岔理论对模型的多个约束

特征定性分析,选取其中的功能连接、动态功能连接和亚稳态特征联合约束模型反演。通过分岔分析确定初始参数值,使用

期望最大化算法迭代优化参数组合,定量分析的结果证明了该方法的准确性和稳定性。

关键词动态平均场模型;分岔分析;多模态;多目标

中图法分类号TP399;文献标志码A

Whole-brainDynamicalModelingBasedonBifurcationTheory

GUOQi-li,WEIJing,LIUYu-xuan,XUYa-ru,HAOZhi-peng,YANGYan-li121111∗

(1.CollegeofComputerScienceandTechnology,TaiyuanUniversityofTechnology,Taiyuan030600,China;

2.CollegeofInformation,ShanxiUniversityofFinanceandEconomics,Taiyuan030012,China)

[Abstract]Traditionalwhole-braindynamicalmodelingtechniquesaretypicallyconstrainedbystaticsinglefeatures,neglectingdy-

namicfluctuationsinbrainnetworksandlackingqualitativeanalysisofcorrespondingindicators,whichlimitsmodelingaccuracyand

comprehensibility.Inordertoaddressthisissue,amulti-objectiveexpectationmaximizationalgorithmbasedonbifurcationanalysiswas

proposed.Thisapproachintegratesadynamicmean-fieldmodelwithbrainstructural-functionalfeaturesextractedfrommulti-modeima-

gingdataformodelingpurposes.Bifurcationtheorywasemploye