（计算机应用技术专业论文）基于fmri的脑词汇认知状态识别方法研究.pdf

大连理工大学硕士学位论文 摘要 人脑是人体内外环境信息获得、存储、处理、加工和整合的中枢，揭示人脑的奥秘 是人们一直以来的追求与梦想。随着各种新方法、新技术在脑研究领域的应用，相关实 验数据大量产生。仅仅对这些数据进行简单的存储、查询和计算，根本无法挖掘出背后 隐藏的大量信息。因此，必须用数据挖掘的方法以及先进的信息学工具，对实验数据进 行分析、处理、整合和建模，从而发现新的规律，揭示脑认知活动的深层机制。 脑功能磁共振成像( f u n c t i o n a lm a g n e t i cr e s o n a n c ei m a g i n g ，f m r i ) 是近年来用于认 知研究的重要技术。本文在对脑功能磁共振成像数据分析处理研究的基础上，探讨了基 于f m r i 图像的脑词汇认知状态识别方法。本文的工作主要从以下三个方面展开。 针对f m r i 图像的配准问题展开了研究。由于主客观原因的存在，实验获得的时间 序列的f m r i 图像并不能完全对齐，而认知实验中的统计分析都是基于同一部位的，因 此必须对图像进行配准。本文给出了一种基于云模型改进的粒子群优化的f m r i 图像配 准方法，并用该方法进行了模拟的配准实验。结果表明，该方法较使用标准的粒子群算 法收敛速度快，配准精度高，可以较好地解决f m 砌图像配准问题。 研究了f m r i 图像的特征抽取方法。实验获得的f m r i 图像往往含有数十万个体素 点，表示成向量的形式后维数也具有同样的数量级，这很不利于分析研究。因此，必须 用尽可能少的变量表征原图像所蕴含的信息。本文给出了一种基于主成分分析的f m r i 图像特征抽取方法。用该方法对f m r 数据进行特征提取后，可以将原来图像的体素信 息用极少数量的主成分( 通常都在1 0 以内) 来表示，且维数可以根据选取的主成分个数 自由控制。 在前面工作的基础上，构建了一个基于s v m 的脑主被动词汇认知状态的识别模型。 实验表明，对单个被试者，模型的平均识别率为8 9 ，对多个被试，平均识别率为8 3 5 。 与已有文献中的方法相比，本文的优势在于提取特征向量的时候不需要知道感兴趣区域 的所在，不需要先验知识，并且可以获得同样好的识别效果。 关键词：脑认知；图像配准；粒子群优化；主成分分析；支持向量机 大连理t 大学硕士学位论文 s t u d y o nw o r dc o g n i t i v es t a t e sr e c o g n i t i o nf r o mf m r id a t a a b s t r a c t t h eh u m a nb r a i ni st h ec e n t r a lp i v o to ft h eb o d yt og a i n ，s t o r e ，p r o c e s s ，a n di n t e g r a t e i n f o r m a t i o nb o t hi nv i v oa n di nv i t r o ，a n dt ou n v e i lt h eb r a i nh a sa l w a y sb e e np u r s u e d m i l l i o n so fb y t e so fd a t aw e r er e s u l t e db yl o t so fe x p e r i m e n t s ，a sn e wm e t h o d sa n d t e c h n o l o g yw e r ea p p l i e dt ob r a i nr e s e a r c h b u l ka n du s e f u li n f o r m a t i o nb e n e a t ht h e s em a s s d a t ac a n n o tb ee x c a v a t e do n l yb ys i m p l es t o r a g e ，q u e r ya n dc a l c u l a t i o n a sar e s u l t ，t h e m e t h o d so fd a t am i n i n ga n da d v a n c e di n f o r m a t i c sa r en e c e s s a r i l yp e r f o r m e dt oa n a l y z e ， p r o c e s s ，i n t e g r a t e ，a n dm o d e lt h ee x p e r i m e n t a ld a t a ，t od i s c o v e rn e wr e g u l a r i t ya n dd i s c l o s u r e f u r t h e rb r a i nc o g n i t i o n 。 f t m c t i o n a lm a g n e t i cr e s o n a n c ei m a g i n g ( f m p d ) i sa ni m p o r t a n tt e c h n o l o g yo nt h e c o g n i t i o nr e s e a r c hi nr e c e n ty e a r s t h em a i ni d e ao ft h i sp a p e ri st oc o n c e n t r a t eo nt h es t u d y o fd a t aa n a l y z i n ga n dp r o c e s s i n go ff m r i ，a n dt od i s c u s sc o g n i t i v es t a t e sr e c o g n i t i o nm e t h o d s f r o mf m r id a t a t h es k e t c ho ft h i sw o r ki sf r o mt h r e ea s p e c t sa sf o l l o w s f o rt h eb e g i n n i n g ，t h er e s e a r c ho nf m r ii m a g er e g i s t r a t i o ni sc a r r i e do u t t h e r eh a sb e e n ap r o b l e mo ff m r ii m a g ef r o mat i m es e te x p e r i m e n tc a n n o tb ea l i g n e dd u et os u b j e c t i v ea n d o b j e c t i v er e a s o n s t h es t a t i s t i ca n da n a l y s i sa r ef o c u s e do nt h es a m ea r e a , w h i c hm a d e u n a l i g n e di m a g e sl e a dt ob a da n du s e l e s sr e s u l t s am e t h o do ff m r ii m a g ea l i g n m e n tb a s e d o nan e wp a r t i c l es w a r mo p t i m i z a t i o n ( m p s o ) ，w h i c hi sm o d i f i e db yc l o u dm o d e l ，w a sp u t f o r w a r di nt h i sp a p e r ，a n ds i m u l a t i v ea l i g n m e n tp r o v e dt h a tf a s tc o n v e r g e n c er a t ea n dp r e c i s e a l i g n e di m a g e sw e r eg a i n e dt h r o u g ht h i sm e t h o dt h a ns t a n d a r dp a r t i c l es w a r mo p t i m i z a t i o n s e c o n d l y ，f e a t u r ee x t r a c t i o na p p r o a c ho ff m r ii m a g e si si n v e s t i g a t e d h u n d r e d so f t h o u s a n d so fv o x e l sd i s t r i b u t e di no n ei m a g eo ff m r ie x p e r i m e n t ，t h i so r d e ro fm a g n i t u d ei s t h es a m e 、) ，i t l lt h ev e c t o rf o r m ，w h i c hs e v e r e l yh i n d e r e dt h es u b s e q u e n tr e s e a r c h f o rt h i s r e a s o n , m i n i m i z e dp a r a m e t e r so u g h tt ob eu t i l i z e dt oc h a r a c t e rt h ep r i m i t i v ei m a g e af m r i i m a g ef e a t u r ee x t r a c t i o nm e t h o db a s e do np r i n c i p a lc o m p o n e n ta n a l y s i s ( p c a ) d e v e l o p e d a n dm i n u t eq u a n t i t yo fp r i n c i p a lc o m p o n e n t ( p c ) ( u s u a l l yb e l o wt e n ) s u b s t i t u t e df o r m e r v o x e l s ，w h a t sm o r e ，t h eo r d e ro fm a g n i t u d ec a nb ee a s i l yc o n t r o l l e db ys e l e c t e dp c t h i r d l y ，ac e r e b r a lp o s i - n e g a t i v ew o r dc o g n i t i o nm o d e li s b u i l tb a s e do ns v m t h e e x p e r i m e n t ss h o w e dt h a t8 9 a v e r a g er e c o g n i t i o nr a t ew a sr e a c h e dw h e nf m r ia n a l y s i sw a s a p p l i e dt os i n g l es a m p l e w h i l e8 3 5 a v e r a g ei d e n t i f i c a t i o nw a sk e p t 州t l lm u l t i p l es a m p l e s c o m p a r e dw i t ht h em e t h o d ss h o w n i np u b l i s h e dp a p e r s ，ad i s t i n g u i s h e da d v a n t a g ei nt h i s p a p e ri st h a tt h ef e a t u r ev e c t o re x t r a c t i o ni si n d e p e n d e n t 嘶t ht h er e g i o n so fi n t e r e s t e d ，a n d e q u a lr a t eo fr e c o g n i t i o nw a sr e c e i v e dw i t h o u tp r i o ri n f o r m a t i o n i i i 基于0 融的脑词汇认知状态识别方法研究 k e yw o r d s ：b r a i nc o g n i t i o n ；i m a g er e g i s t r a t i o n ；p a r t i c l es w a r mo p t i m i z a t i o n ； p r i n c i p a lc o m p o n e n ta n a l y s i s ；s u p p o r tv e c t o rm a c h i n e i v 大连理工大学学位论文独创性声明 作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究 工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外， 本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请 学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献 均已在论文中做了明确的说明并表示了谢意。 若有不实之处，本人愿意承担相关法律责任。 学位论文题目： 墓盘立盟堕煎脑掴返丛起丛盔，边翘查这画塑 作者签名： 查翊日期：立叫l 年上月立l 日 大连理工大学硕士学位论文 大连理工大学学位论文版权使用授权书 本人完全了解学校有关学位论文知识产权的规定，在校攻读学位期间 论文工作的知识产权属于大连理工大学，允许论文被查阅和借阅。学校有 权保留论文并向国家有关部门或机构送交论文的复印件和电子版，可以将 本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、 缩印、或扫描等复制手段保存和汇编本学位论文。 学位论文题目：基蚕拙壁羔盟脑竭墨监挞越墨奎这蟹显 作者签名 导师签名 大连理工大学硕士学位论文 1绪论 1 1 选题背景 人脑是人体内结构和功能最为复杂的器官，它在根本上控制着人的意识和行为，揭 示人脑的奥秘是人们一直以来锲而不舍的追求与梦想。人类的大脑除了具有和基本的生 存相关的功能以外，还具有发现和利用自然界基本规律的能力。人脑是人体内外环境信 息获得、存储、处理、加工和整合的中枢，是极为精巧和完善的信息处理系统。 1 9 9 7 年人类脑计划在美国正式启动。其目标是利用现代化信息工具，将大量、不同 层次的有关脑的研究数据分析、比较、整合、建模和仿真，绘制脑功能结构图谱，建立 神经信息学数据库和有关神经系统所有数据的全球知识管理系统，从而从分子水平到整 体系统水平加深人类对大脑的理解，达到“认识脑、保护脑，创造脑 的目标【l j 。 近年来，随着脑功能磁共振成像( f u n c t i o n a lm a g n e t i cr e s o n a n c ei m a g i n g ，i m p ) 技术 的发展，人们进行脑研究的能力大大增强，与此同时也产生了大量的数据，而仅仅利用 计算机对实验数据进行简单的存储、查询和计算，根本无法挖掘出数据背后隐藏的大量 信息，更不能满足研究的需求【l 】。因此，必须用数据挖掘的方法，合理组织脑功能成像 数据，把目自订散乱的研究数据和结果加以有序化，整合心理学、语言学、脑科学等不同 层次的研究数据，运用先进的信息学工具和方法帮助研究人员对实验数据进行分析、处 理、整合和建模，从而发现新的规律，揭示脑高级认知活动的深层机制。 f m r i 已被广泛的用来研究脑在执行某项认知功能时的激活，而已有的研究工作大 多是比较不同任务的脑图或任务脑图与静息脑图之间的差异【2 】。麻省理工的c r o s s o nb 和s a d e kj r 等人的研究表明，外部引导的词汇生成和主观引导的词汇生成在f m 图 像中表现出了不同程度的激活【3 】。在c r o s s o nb 和s a d e kj r 等工作的基础上，本文着重 探讨了f m r i 图像的配准及特征抽取方法，构建了一个基于支持向量机的脑认知状态识 别模型，尝试用机器学习的方法来识别脑在主被动词汇认知时的状态。 1 2 研究现状 1 2 1 脑数据挖掘的发展 数据挖掘从一开始就是面向应用的，对特定的应用任务和目的，往往需要研究相应 的数据挖掘算法和技术。d a nl l o y d 4 1 应用人工神经网络的原理间接表明“过去 和“未 来 的信息是对当前信息的一个扩展，对实验的每个标本，都建立一个网络来探测图像 容积的时间信息，这项工作开创性地利用神经网络的方法处理多个任务的脑成像数据来 基t - f m r i 的脑词汇认知状态识别方法研究 解决发现意识问题。卡内基梅隆大学的m i t c h e l l 和其它研究者使用支持向量机( s u p p o r t v e c t o r m a c h i n e s ，s v m s ) 、动态贝叶斯网络( d y n a m i cb a y e s i a n n e t w o r k s ，d b n s ) 和七最近 邻参照分类算法( k - n e a r e s tn e i g h b o r ，k n n ) 对认知状态进行分类研究，以此解决人工智能 中的问题，并取得了一定的成果1 5 。牛津大学的t e r r a nl a n e 和j o h n b u r g e 也利用贝叶 斯网络对可卡因吸毒者的脑成像数据进行挖掘【8 】。 另外，用机器学习的方法研究其它脑激活图像的工作也在近年相继开展。b l a n k e r t z 等【9 】对单个实验的e e g 分类器进行- j i ) l l 练；k j e m s 等【l o ，1 1 1 通过p e t 图像对脑认知进行 分类。 1 2 2 相关f m 数据分析 f m r i 是近年来一项重要的脑成像技术。对f m r i 数据的处理方法中，f r i t o n 等提出 的一般线性模型( g e n e r a l i z e dl i n e a rm o d e l s ，g l m ) 是比较常用的一种【1 2 】。使用f 检验判 断脑区的激活状态也是研究人员常用的方法。还有文献用更复杂的统计学方法来计算噪 音存在情况下的b o l d 响应参数。进行f m r i 数据分析的时间序列建模方法也有很多， h o j e n s o r e n s e n 等【l3 j 使用隐马尔可夫模型( h i d d e nm a r k o vm o d e l ，h m m ) 研究闪光刺激 下的视觉皮层的激活，并在隐性状态下将刺激序列得以恢复。无监督的学习方法在分析 研究f m r i 数据的时候同样适用。例如，m c k e o w n 等1 1 4 j 利用主成分分析( p r i n c i p l e c o m p o n e n t sa n a l y s i s ，p c a ) 和独立组分分析( i n d e p e n d e n tc o m p o n e n t sa n a l y s i s ，i c a ) 的 方法重建f m 刚信号。 然而通过机器学习的方法来识别脑认知状态的研究并不是很多。n a x b y 等【15 】证实了 被试者在观察不同类型图片( 如面部、房屋、椅子等) 时所产生的f m r i 激活状态是不同 的。另外，他们指出，每一类图片对应的f m 刚数据可以分为两组，每一组都可以和相 同类型下的样本自动匹配。c o x 和s a v o y 等u6 j 用支持向量机和线性判别分析的方法，对 不同类型图片对应的f m r i 图像进行了分类。还有报导称可以根据左侧额叶皮质和颞皮 层的激活特征，推断被试者稍后是否能记住看到的单词【l7 1 。 1 3 论文主要工作和结构安排 本文对功能磁共振数据的分析处理方法进行了较为深入的研究，并在此基础上探讨 了应用f m r i 图像识别脑词汇认知状态的方法。完成的主要工作如下： ( 1 ) 论述了脑数据挖掘的发展及相关的f m r i 数据分析工作。 ( 2 ) 研究了f m r i 技术的成像原理、特点。 ( 3 ) 较为深入的探讨了s p m 软件用于数据处理的基本原理与步骤。 大连理工人学硕十学位论文 ( 4 ) 研究了粒子群算法的基本原理及收敛特性。给出了一种基于云模型改进粒子的 粒子群优化的f m r i 图像的配准方法。并通过模拟的实验表明，该方法收敛速度快，配 准精度高，可以较好地解决f m r i 图像配准问题。 ( 5 ) 对f m r i 数据的特征抽取方法进行了研究，深入探讨了主成分分析的原理，给 出了一种基于主成分分析的f m r i 图像的特征提取方法，并将其应用到了本文实验所用 数据的特征提取中。 ( 6 ) 对常用的模式识别方法进行了一定的研究，着重研究了支持向量机的基本理论 与实现。在此基础上，构建了一个基于支持向量机的脑认知状态识别模型，并取得了较 为理想的分类识别效果。 全文主要由五个章节构成，各章的主要内容如下： 第一章绪论。阐述了本文的选题背景，相关领域的发展概况及本论文的主要工作。 第二章介绍了功能磁共振成像技术及功能磁共振数据分析处理方法。 第三章给出了一种基于云模型改进的粒子群优化的f m r i 图像的配准方法，并进 行了模拟的配准实验。 第四章结合实例描述了f m r i 图像的预处理。给出了一种基于主成分分析的f m r i 图像的特征提取方法，并用该方法对实验所用数据进行了特征抽取。 第五章在前面工作的基础上，构建了一个基于支持向量机的脑词汇认知状态识别 模型，并通过实验证实了模型具有一定的应用价值。 最后结论部分总结了本文的工作，提出了一些不足之处，并对今后工作进行了展望。 基于彻r l 的脑词汇认知状态识别方法研究 2 脑功能磁共振成像 人脑足人体最重要的器守之一，对于人脑的探索和研究具有重大意义。人脑的功能 在大脑皮层是按空间分区的，在脑内次级结构中也是按空问排布的。研究脑功能映射有 许多模式得到了成功地应用，例如，正电子发射断层扫描( p e t ) 、脑电图( e e g ) 和脑磁 图( m e g ) 。也有人用光学的方法检测脑功能。在众多的模式当中，非介入的功能磁共振 成像( f u n c t i o n a lm a g n e t i cr e s o n a n c ei m a g i n g ，f m r i ) 是一种非常有效的研究脑功能的技 术已经成为目前使用最广泛的脑功能研究手段之一。 21 脑的结构与功能简介 人的大脑包括左、右两个半球及连接两个半球的中间部分，即第三脑室前端的终板。 大脑半球被覆灰质，称大脑皮质，也称为大脑皮层，其内部为白质，称为髓质。大脑皮 层内有两种主要成分，一种是细胞( 包括神经元的胞体和神经胶质细胞) ，另一种是神经 纤维。大脑半球表面凹凸不平，布满深浅不同的沟，沟间的隆凸部分称脑回。大脑半球 的背侧面，各有一条斜向的沟。称为侧裂( l a t e r a lf i s s u r e ) 。倒裂的上方，大约在半球的 q 央处，有嚎由上走向前下方的脑沟，称为中央沟( c e n t r a lf i s s u r e ) 。每一半球又分为 四个叶( l o b e ) 。在中央沟之前与侧裂之上的部位，成为额叶( f r o n t a ll o b e ) ，为四个脑叶 之中最大的一个，大约占大脑半球的三分之一；侧裂以下的部位称为顾时( t e m p o r a l l o b e ) ：中央沟之后与侧裂之上的部分，称为顶叶( p a r l e t a ll o b e ) ；顶叶与颞叶之后，在 小脑之上大脑后端的部分，称为枕叶( o c c i p i t a ll o b e ) 【l 。1 9 10 大脑左半球的结构如图21 所示。 幽21 人脑左、# 球简幽 ：= i ；= 连理_ 【人学碗十学位论主 上述的各个脑叶均向半球的内侧面和底面延伸，而在每个脑叶的区域内，都有许多 小的脑沟，其中蕴藏着各种神经中枢。分担不同的任务，形成了大脑皮质的分区专司功 能。脑皮质的后脑部至中央沟为感觉反应区，从中央沟至脑前部为精确控制身体各部分 肌肉运动的区域。左脑感应和控制身体的右侧右脑感应和控制身体的左侧，负责听觉 的皮质在颞叶，而视觉皮质在头后部的枕叶余下的区域大部分是联合反应区，它们是 以更复杂的形式反应外部刺激的区域。 髓质内的扶质核团为基底神经节。在大脑两半球间由巨束纤维一一相连。在正常情 形之下，大脑两半球是分工合作的，胼胍体是两半球信息交流的桥粱，完成各功能区的 信息传递。对大脑半球的功能，可归纳如下：大脑分左右两个半球，每一半球上分别有 运动区、体觉区、视觉区、听觉区、联合区等神经中枢。由此可见，大脑两半球是对称 的。大脑左半球的功能分区如图2 2 所示。 ，脚e珊t e 凹22 大脑左1 ，球功能分区 f i g2 2 f u n c t i o n a l a r e a s o f t h e l e f th e m i s p h e c e 在神经传导的运作上，两半球相对的神经中枢彼此配合，发生交叉作用。两半球的 运动区对身体部位的管理，是左右交叉、上下倒置的。两半球的视觉区与两眼的关系是， 左半球视觉区管理两眼视同膜的左半，右半球视觉区管理两服视网膜的右半。两半球的 听觉区共同分担管理两耳传入的听觉信息。两半球的联合区，分别发挥左右半球相关各 区的联合功能。在整个大脑功能上，两半球并不是各自独立的，两者之间仍具有交互作 用；而交互作用的发挥是靠胼胝体的连接得以完成的i l ”。 2 2 脑功能磁共振成像技术概述 1 9 9 1 年春季，美国麻省总医院( m a s s a c h u s e t t sg e a e r a lh o s p i t a l ，m g h ) 的磁共振研 究中心利用磁共振成像生成的图像反映脑内血流变化，这是f m r i 技术晟早的应用。f m g l 基t - f m r i 的脑词汇认知状态识别方法研究 是一种非介入的技术，能对特定的大脑活动的皮层区域进行准确、可靠的定位，空间分 辨率达到2 m m ，并且能以各种方式对物体反复进行扫描1 2 们。要对功能磁共振成像进行 研究，首先要对核磁共振的原理进行了解。 2 2 1 核磁共振原理 根据物理学理论，原子由原子中心的原子核和核外运动的电子组成。目前已经证明 大多数原子核具有自旋的特性。由于原子核是带正电的粒子，原子核自旋效应会产生环 形电流，这将在原子核的周围产生磁场。因此，自旋的原子核必然伴有核磁矩。在静磁 场的作用下，核磁矩将产生进动，就如同旋转的陀螺在地球引力场中进行的运动一样。 此时系统处于稳定状态，核磁矩的能量没有发生变化，并且在磁场中具有空间量子化的 取向。这时如果在静磁场的垂直平面内施加一个与核磁矩进动角速度相同的旋转磁场， 绕原磁场方向高速进动的同时，又产生绕新磁场的进动。核磁矩的实际运动是这两种运 动的合成。因为外加交变磁场的角频率与磁矩的进动角频率相同，原子核会吸收交变磁 场的能量由低能级跃迁到高能级，核磁矩的空间量子化方向发生改变，这就是核磁共振 现象【2 1 1 。 通常采用与原子核自旋具有相同频率的射频脉冲( r a d i of r e q u e n c y ，r f ) 激发旋转磁 场，产生核磁共振现象。脉冲中断后，被激发的原子核通过能量释放及时恢复到激发前 的低能态，同时发射信号，这一过程称为弛豫( r e l a x a t i o n ) 。弛豫过程分为两种：一种 是自旋晶格弛豫( s p i n 1 a t t i c er e l a x a t i o n ) ，又称为纵向弛豫( l o n g i t u d i n a lr e l a x a t i o n ) 。这 是指自旋核通过把其能量转移给周围晶格，而使自身恢复到低能态的过程。另一种是自 旋自旋弛豫( s p i n s p i nr e l a x a t i o n ) ，又称为横向弛豫( t r a n s v e r s er e l a x a t i o n ) 。这是能态 得到提高的核把其能量传递给相邻的低能态的核，而使自身恢复到低能态的过程。自旋 晶格弛豫反映了自旋核与环境之间的能量交换，所需时间为自旋晶格弛豫时间，通常 用z 来表示；自旋自旋弛豫反映自旋核之间的能量交换，所需时间为自旋自旋弛豫时 间，通常用乃来表示。z 和是核系统所固有的弛豫时间，实际测得的响应弛豫时间称 为正和z 。 2 2 2 功能磁共振成像原理 不同物质在磁场中具有不同程度的磁化特性，这种性质称为磁敏感性。有些物质的 磁敏感性非常强，可产生完全的磁化，如金属铁，称为铁磁性物质。有些物质几乎不产 生任何的磁化，称为抗磁性物质，如含氧血红蛋白和人体的大部分组织等。还有一些物 质的磁性介于两者之间，称为顺磁性物质，如脱氧血红蛋白等。当人体组织内出现磁敏 感程度较大的物质时，如脱氧血红蛋白等，将在局部产生较大的磁化，与周围组织的磁 一6 一 大连理工大学硕士学位论文 场强度产生微小差异，形成梯度场，使原来均匀的磁场被破坏，从而使质子去相位速度 加快，弛豫时间兀缩短。在磁共振成像( m a g n e t i cr e s o n a n c ei m a g i n g ，m r i ) 中，m r i 信 号强度受多种因素的影响，包括质子密度、正弛豫时间、兀弛豫时间、扩散效应、磁化 敏感效应和体内液体的流动等。脑的功能m 对成像的机理与脑皮层功能活动引起的局 部血液动力学变化有关。使用瓦弛豫时间的改变进行蹦刚成像的根本机理就是在改变 的瓦加权像上，组织的m r 信号与皮层功能区微循环内的血氧状态是紧密相关的。在 m r i 成像中，组织内质子去相位的速度除与组织本身的兀弛豫时间有关以外，还受体素 内脑组织微循环中血红蛋白的氧合状态影响。含氧血红蛋白具有抗磁性，不会产生局部 磁化和局部梯度场，对组织信号没有影响。而脱氧血红蛋白具有顺磁性，可在局部产生 个微小的梯度场，使局部组织去相位速度加快，从而使瓦信号降低。大脑皮层的特定 区域接收到感官刺激，在进行智力活动或受到药物的作用时，通过f m r i 方法测量大脑 局部组织的磁化率变化信号，从而判定血氧含量中氧合血红蛋白和脱氧血红蛋白的比率 变化，进而反映相关的大脑功能活动变化 2 2 1 。 2 2 3 功能磁共振成像数据特点 脑功能磁共振成像能提供人脑部的功能信息，而不单纯是形态学的改变，如脑活动 功能研究、灌注成像和弥散成像、以及对在外部刺激下局部脑皮质功能活动的观察等， 为m 的应用开辟了另一个全新的成像领域【2 2 1 。脑功能成像技术具有自身的特点和优 势，主要表现在以下方面： ( 1 ) 可准确、直观地观察到脑功能活动的部位和范围，与脑磁图( m e g ) 和脑电图 ( e e g ) 结合后，可更加全面地定位大脑皮质的各功能区。 ( 2 ) 可在生理状态下，无创地研究人脑的形态结构和功能活动，从而改变了神经生 物学的研究结果主要来自动物实验的局面。 ( 3 ) 可从整体水平上研究脑的功能和形态变化，从而克服了离体组织细胞和分子生 物学研究的不足。 ( 4 ) 使活体分子神经生物学和神经受体研究成为可能，若结合死后组织的研究，可 得到更深入的研究结果。 ( 5 ) 可对同一个体进行多次、重复实验，从而探讨脑功能的时间或年龄变化。 ( 6 ) 可早期、准确地定位脑功能性病灶的部位和占位性病变对脑功能的影响程度， 从而为疾病的预防和临床提供更加精确的信息。 因此，f m r i 具有无创伤性、无放射性、较高的时间和空间分辨率、可多次重复操 作等诸多优点，在脑功能研究的各个领域得到了广泛的应用。 基于t m r i 的脑词汇认知状态识别方法研究 2 2 4 功能磁共振成像实验设计 典型的f m r i 实验设计有组块设计( b l o c k e dd e s i g n ) 和事件相关设计( e v e m r e l a t e d d e s i g n ) 。 ( 1 ) 组块实验设计 早期的功能磁共振实验设计主要采用组块实验设计，其特点就是以组块为实验操作 的基本单元f 2 引。所谓组块，就是由若干个具有相同性质的实验任务所组成的一个刺激序 列。由于聚合在一起的任务具有相同的性质，因而可以引起脑相关区域的重复激活，从 而诱发血氧水平依赖信号发生很强的变化。在组块设计中，单个区块的长度、数量、顺 序往往由实验者根据研究任务的特点和基本要求等因素综合决定。如果单个区块的长度 较大，相对包含的刺激较多，随着刺激的重复，血液动力学反应逐渐达到饱和，大约持 续1 0 s ，激活达到最大值。如果太长将无法区分是机器噪声带来的漂移还是实验条件带 来的变化；而如果太短，会使血液动力学反应在无任务的区块中不能回归到基线，b o l d 信号的幅度下降。一般来说，一个区块的长度在2 0 s 一l m i n 之间。 在一个扫描序列中，总共可以包含大约6 ，- - 1 2 个组块。典型的组块设计往往包含了 两种基本的任务：实验任务( t a s kb l o c k ) 和控制任务( c o n t r o lb l o c k ) ，两者会交替出现。 实验过程中，每隔一段固定时间就会采到一幅全脑b o l d 加权像。 在后来的设计中，这种实验设计模式也进行了一些发展。比如，研究者可以在一个 扫描序列中安排两类实验任务及其各自的控制任务，从而方便对两个任务进行直接比 较。同时，有的组块设计本身并不包括专门的控制任务，而是同时设置两个或者多个实 验任务，并相互作为控制任务。通过这种设计，可以在一个组块中对多个认知任务的脑 机制直接进行比较。 ( 2 ) 事件相关实验设计 最近，b u c k n e r 提出了一种新的事件相关( e v e n t r e l a t e d ) 设计模式，或称单次实验 ( s i n g l et r i a l ) ，它的核心是基于单次刺激或行为事件所引发的血氧反应【2 3 1 。刺激呈现后， b o l d 信号逐渐增强，达到峰值后又缓慢地回到基线( b a s e l i n e ) 。由于功能磁共振成像 研究主要采用b o l d 成像技术，而单个事件诱发的b o l d 信号往往较弱，变化幅度多 在5 - - 1 0 之间，并且还容易受到其它因素的干扰，因此实际运用中往往采用多个事件 诱发的b o l d 信号进行叠加的方法。事件相关设计按刺激间隔，可以分为慢速事件相关 ( s l o we rd e s i g n ) 和快速事件相关( r a p i de rd e s i g n ) ；按刺激呈现顺序可以分为固定顺 序事件相关( f i x e de rd e s i g n ) 、伪随机事件相关( p s e u d o r a n d o m i s e de rd e s i g n ) 和完全随 机事件相关( s t o c h a s t i ce rd e s i g n ) ；按刺激间隔可以分为固定( c o n s t a n te rd e s i g n ) 间隔 和变化( v a r i a b l ee rd e s i g n ) 间隔等。 一8 一 大连理1 二大学硕士学何论文 2 3 基于s p m 软件包的数据处理 s p m ，即统计参数图( s t a t i s t i c a lp a r a m e t r i cm a p p i n g ) ，是由英国伦敦大学的k j f r i s t o n 教授等学者基于通用数学分析软件m a t l a b 环境开发的应用软件系统，其图像处 理和统计功能非常强大。s p m 主要可以用来对一个或多个被试者的不同成像结果进行分 析和比较，得出具有统计意义的结果。它具有处理结果不受分析人员的主观影响，重复 性好等诸多优点。近年以来，s p m 已成为国际上应用最普遍，同时也是最权威的脑功能 成像分析处理软件之一【2 4 1 。 2 0 世纪8 0 年代末，p e t ( 正电子发射断层扫描技术) 等无创伤性脑研究技术的出现 极大地推动了脑功能成像技术的发展。1 9 9 0 年，f r i s t o n 等针对p e t 功能成像数据，描 述了统计参数图的方法论和概念基础，开发出了s p m 的第一个正式版s p m 9 4 。陆续开 发出的s p m 9 5 ( 从这个版本开始能够对f m r i 数据做处理) ，s p m 9 6 ，一直到现在常用的 s p m 2 和s p m 5 ，都是在s p m 9 4 的基础上加入新的算法和理论开发出来的。 s p m 指的是构建与评估空间延展的统计过程，对s p e c t p e t 以及f m r i 采集到的 成像数据进行统计分析和推断，从而得到具有普遍意义和较高可信度的结论【2 引。它对成 像数据中脑内的每一个体元分别进行计算，得出包含体元参数值的图像，这个参数图像 是对许多单次扫描图像所包含信息的精简和压缩，最后输出参数图像。假设这些体元值 服从一个已知的概率分布，通常是r 分布或f 分布，s p m s ( 统计参数图像) 就是这些体 元值的成像过程。s p m 的成功之处在于，它可以利用任意标准的( 一元) 统计检验方法对 每个体元进行分析，分析的结果参数汇集到脑图上，得到s p m s 。 s p m 方法是指，通过统计参数图像，结合一般线性模型和高斯随机场理论，对空间 延展的数据进行统计分析和推断。用s p m 进行数据处理分析的步骤主要分为两大部分： 预处理过程和统计分析过程。 2 3 1 数据预处理 ( 1 ) 配准 由于功能核磁成像实验持续的时间较长，被试者在测试过程中的头部移动现象是不 可避免的。这些位移看似微小，却很可能对测量信号产生较大影响。s p m 软件利用“自 动图像匹配法 求取表征变换的位置参数。该算法假定，如果两幅图像完全重合，则其 在任意位置的对应像素的灰度值之比都应该接近一个常数。根据该假设，可以通过两幅 图像灰度值比的方差最小化法来计算出位移参数，该过程称为配准( r e a l i g n ) 。 ( 2 ) 标准化 基于f m r i 的脑词汇认知状态识别方法研究 由于不同被试者的脑在解剖结构上存在着差异，为了在同一标准下研究认知状态， 需要把不同的大脑图像进行空间标准化处理( n o r m a l i z a t i o n ) ，这就需要将来自于不同被 试的图像映射到统一的标准脑模板上。在s p m 提供的标准化过程中，采用基于t a l a i r a c h 和t o u r n o u x 坐标体系下的标准脑模板作为基准图像，首先要完成带有整体形变的仿射 变换( a f f i n et r a n s f o r m a t i o n ) ，然后通过非线性变换，消除仍然存在的局部细微差异。仿 射变换含平移、旋转、缩放及剪切过程，和刚性变换相比，增加了整体形变，以消除不 同大脑结构形状的差异【2 5 】。 ( 3 ) 平滑 平滑( s m o o t h ) 就是将数据在空间上用一个光滑的函数( 通常是g a u s s 函数) 去卷积， 这个光滑的函数被称为卷积核函数( k e r n e l ) 。平滑处理的目的有三个：第一是提高信噪 比，降低及消除图像重建所产生的误差。从空间频率的方面来看，误差一般集中在高频 域，而反映神经活动的测量信号则属于低频信号。因此，一个低通滤波器即可起到提高 信噪比的作用。第二是确保图像数据具有随机高斯场的性质，以满足s p m 的统计假设。 第三是消除不同被试者的脑结构上的细微差异，空间平滑后这种差异将被模糊化。s p m 采用一种有效的低通滤波特性的高斯滤波器进行平滑化处理。基于对空域和频域内局部 平滑特性的考虑，通常采用半高宽删为4 1 0 m m 的高斯函数作为核函数，其数学 1 一 形式为【2 5 j ：g 驴) = 去e - ，其中，删= 8 l n 2 0 2 3 5 4 8 0 - 。 2 力o 2 3 2 统计模型的建立及估计 通常情况下，经过上述预处理以后的数据可以直接用来进行统计分析，但这样存在 一定的局限性，如果先将它参数化成模型，就更有利于将探测到的神经生理响应分成感 兴趣区的部分、不感兴趣区的部分以及误差项，这样一方面可以用于复杂问题的研究， 另一方面使有用信息更加突出【2 剐。 s p m 软件中采用了一般线性模型。它假设像素k 上同一任务的时间序列或不同任务 序列的实验数据z 是一些未知参数1 3k ，( ，= 1 , 2 ，m ) 的线性组合： z = t l p ? + x i 2 p ；+ + x 。p ：+ ?f = 1 , 2 ，刀 ( 2 1 ) 在上式中，m 是未知参数个数，刀是实验测量的次数；x 。是与任务或时间有关，但 与具体脑区( 像素) 无关的已知参数，它组成的矩阵x 通常又称为设计矩阵；j 为像素k 处的误差，这里假设它们之间相互独立，并服从正态分布n ( 0 ，o 出2 ) ，其平均值是0 ，标 准偏差均为o 。用矩阵形式表示，公式( 2 1 ) 可以转化为： 大连理工大学硕十学位论文 y = 邱+ ( 2 2 ) 其中，y 是数据z 组成的列向量，1 3 是未知参数1 3 ，组成的列向量，是误差项? 组成的列向量。经过这样的转换后，原本是对p 做统计分析，现在改为拟合出d 。后， 得到了许多关于1 3 。的图像，然后再对它们进行统计分析，脑功能激活图实际上就是根 据对参数1 3 的统计推断而得到的。 s p m 软件中，线性模型( 2 2 ) 可以用其设计矩阵x 的灰度图来表示，通过它可以形 象地观察所选用的模型是否正确。但是更精确的判断需要用设计矩阵的数值，以及相应 的曲线图。