大脑皮层褶皱模式一致性研究

来源 :南京理工大学 | 被引量 : 0次 | 上传用户:MUcrystal
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
褶皱是人类大脑皮层的一个基本形状特征,它对于刻画人类大脑的结构来说非常重要,这些褶皱的形状不仅在不同的大脑之间表现出差异性,而且在同一个大脑上的左右半脑上都显示出差异性,很多神经影像学领域的研究表明大脑皮层褶皱模式可以用来预测大脑皮层细胞结构和功能,以及理解和分辨正常大脑和疾病大脑,这在一定程度上意味着大脑皮层褶皱模式具有一定的规律性。同时,许多其他的研究也表明大脑皮层褶皱模式具有多变性。最近有些研究者研究发现在我们的大脑皮层上存在358个感兴趣区域,每一个感兴趣区域在不同的个体以及群体中都具有比较一致的纤维连接模式,因此对于大脑的功能有一定的预言性。然而,这些感兴趣区域的大脑皮层褶皱模式的规律性和变化性还是未知数。为了解决这个问题,本篇论文的目的就是通过从DTI数据重建的大脑皮层表面来研究这358个感兴趣区域的局部尺度和亚观尺度的大脑皮层褶皱模式的规律性和变化性。本文的基本思想是对于每个感兴趣区域,从一组大脑皮层表面中提取出形状特征,然后来评估它们的规律性和变化性。本文分别从基于局部尺度的褶皱模式和基于亚观尺度的褶皱模式两个不同的角度分析了感兴趣区域的组间相似度。基于局部尺度时,利用基于视觉词汇概念的形状描述子来对褶皱模式进行描述,基于亚观尺度时,利用基于多项式模型的参数表达法来对褶皱模式进行描述,最后,利用余弦相似度的理论分析每个感兴趣区域的组间相似度。实验结果表明有些感兴趣区域具有比较规律的大脑皮层褶皱模式,然而其他的却表现出更多的变化性。整体来说,研究和实验表明形态学的大脑皮层褶皱模式可以作为纤维连接模型的补充,这样就关于MRI和DTI的大脑映射方法提供了全新的见解,在未来,基于形状和基于连接的特征可以结合起来用于大脑图像的配准和功能映射的应用上,这样就可以利用互补的两个特征空间的信息。
其他文献
近年来,全局优化问题越来越受到人们的重视,不管是在社会生活中还是在科研实践中,对全局优化的研究已经成为一个较重要的研究热点。然而,传统的确定性优化算法很难甚至不能求解高
时间序列数据挖掘已经受到越来越多的国内外学者和专家的关注,因为时间序列中潜在隐藏着有用的规律和信息,人们希望能获取这些信息来预测未来以及进一步了解事物发展。然而时间
计算机视觉领域尤其是视频监控系统一直是近几年来研究的热点话题。视频运动物体提取是进行行为理解、分析和描述等高层次视觉操作的基础。视频运动物体提取也是目前图像技术
电容层析成像(Electrical Capacitance Tomography,ECT)技术通过其低成本的投入、广泛的适用范围、简单易操作的结构、非侵入式的检测方式以及良好的安全性能等特点,已经成为当
各种高新技术的飞速发展带动了无线传感器网络的产生和应用,并以其独特的网络结构和巨大的应用价值带来了感知领域的一场变革。作为一种新型的信息获取和处理技术,无线传感器
无论是在图形学领域还是计算机辅助设计及各种模拟计算方法中,特征都是几何模型中最重要的部分,由于其具有特殊的几何性质,被广泛应用于几何造型,网格分片,网格形变以及几何
支持向量机(SVM)作为一种新的人工智能技术,它最大的优势是解决了样本数据不足时的学习问题,并且得出了较好的效果。目前,SVM是人工智能研究的热点。诸多研究指出,SVM分类效
随着工业化的快速发展,视觉技术越来越多的与PLC一起应用到工业生产中。目前IEC 61131-3标准和PLC OPen国际标准只对逻辑控制编程和运动控制编程进行了规范,但没有制定PLC的
移动Ad Hoc网络是由一组无线移动节点组成,是一种不需要依靠固定基础设施的、能够迅速展开使用的通信系统。是完全分布式系统,不需要任何中心实体、自组织、自愈的网络。随着
随着计算机相关技术的飞速发展,实时系统的应用领域得到了极大的拓展。实时系统中很多动作的发生必须要满足规定的时间约束,否则可能会导致严重的损失。因此,如何保证实时系