基于张量分解的动态脑网络分析结题报告.docVIP

基于张量分解的动态脑网络分析结题报告

一、研究背景与问题提出

人类大脑是一个复杂的动态系统，其功能连接模式会随着认知任务、情绪状态和生理节律发生持续变化。传统的静态脑网络分析方法通常将一段时间内的脑成像数据平均处理，忽略了大脑活动的时间演化特性，难以捕捉到大脑功能连接的动态变化过程。近年来，动态脑网络分析逐渐成为神经科学领域的研究热点，然而如何有效提取高维脑成像数据中的动态特征，并揭示其与认知功能和神经疾病的关联，仍然是一个亟待解决的关键问题。

张量分解作为一种强大的多维度数据分析方法，能够直接处理脑成像数据的三维结构（时间×脑区×脑区），在保留数据完整信息的同时实现特征降维和模式提取。本研究旨在将张量分解方法应用于动态脑网络分析，开发一套完整的动态脑网络构建与分析流程，为深入理解大脑的动态工作机制提供新的技术手段。

二、研究内容与方法

（一）数据采集与预处理

本研究采用静息态功能磁共振成像（fMRI）数据作为研究对象，共采集了100名健康被试和50名阿尔茨海默病患者的fMRI数据。数据采集参数如下：TR=2000ms，TE=30ms，翻转角=90°，矩阵大小=64×64，体素大小=3×3×3mm3，扫描时间=10分钟。

数据预处理过程采用SPM12和DPABI工具包完成，具体步骤包括：

时间层校正：校正不同切片采集时间的差异；

头动校正：去除被试头部运动对数据的影响，排除头动位移