SPM的数学基础及其在脑功能成像研究中的应用

探讨SPM的数学基础,给出了SPM中利用一般线性模型(General LinearModel,GLM)构建统计参数图的方法;为了适应处理功能磁共振成像(functionalMagnetic Resonance Imaging,fMR I)数据的需要,对一般线性模型做了扩展,推导出扩展的GLM的检验统计量和自由度.最后将扩展的一般线性模型应用于一个具体的fMR I实验,说明了方法的有效性.     

具有离散性的连续性模型映射

为了实现在连续性空间中的离散分段问题,采用解决离散性问题的方法虚拟构造连续性集合,将连续性问题映射为分段的离散问题,根据集合中元素的离散特性实现连续性模型的分段求解.通过数据结构的设计与压缩路径的算法证实,模型的映射能够解决实际问题的分段求解.     

fMRI信号盲分离的一种独立成分分析算法

建立了独立成分分析(independentcomponentanalysis,ICA)的一个优化模型,在此基础上,给出了一个新的梯度算法,称之为Orth-ExtBS算法.该算法结合了ExtBS算法和FastICA算法,兼顾两者的优点,形式简单,易于应用,能有效地盲分离具有超高斯和亚高斯分布源的混合信号,获得更准确的分离效果和较快的收敛速度.将新的算法与其他两个算法(FastICA和ExtBS)分别应用到大型fMRI数据中,通过比较发现,新算法在估计激活的时间动力学准确性上要优于其他两个算法.     

基于投影方法的约束独立成分分析

独立成分分析是解决盲源分离问题的一种有效工具，但ICA具有伸(dilation)与排序(permutation)的不确定性的本质特征。本利用一些约束条件，采用Lagrange乘子法并结合简单的投影方法，可以以特定的形式来进行独立成分的排序，并且可以在信号分离过程中规范化解混矩阵(demixing matrix)，能够系统地减轻ICA对于伸缩与排序的不确定性。仿真结果证实了算法的有效性。     

Application of Small-World Measures to Multichannel Event-Related Potential Activity during Generation of Global and Local Imagery

The Small world model has been successfully used to explore the abnormal pattern of brain information processing in some neuropsychiatric diseases, but not engaged in the study of cognitive functions. We apply the small-world measures： the clustering coefficient and average path length, to evaluate multi-channel event-related potential activity during the generation of global and local imagery. Results show that the brain functional networks of the global and local imagery generation are both small-world ones. In addition, the local imagery generation has a larger clustering coefficient, while the global imagery generation has a shorter average path length. These results support the global precedence in the global-local imagery generation, and reflect the different processing modes in which global imagery emphasizes particularly on global integration, while local imagery on local specialization. Our results indicate that small-world measures could be applied to quantify the difference of brain activities in different cognitive tasks, and further provide some explanations for cognitive behavior.     

一种新的结构正割法在时间序列图像配准中应用

脑功能成像是进行神经科学研究的一项重要技术.在脑功能图像的数据分析中,时间序列图像的配准精度是对脑功能图像进行统计分析成功与否的关键.针对一种典型的非线性最小二乘形式的配准测度,引进一种新的结构正割法来计算其极小值.该方法给出了目标函数海森阵二阶信息项的一种新的较佳近似,而并非像高斯-牛顿法那样将其直接舍去,从而提高了计算精度;并且在近似的过程中,校正矩阵始终保持对称正定,所以在搜索下降方向的时候,总会找到一个解.模拟计算结果表明该方法配准精度高,计算时间较短,可以较好地解决图像配准问题.     

基于肿瘤微环境响应的DNA纳米结构递药系统

DNA分子由于其独特的生物相容性和可编程性,在增强药物靶向性和降低药物毒性方面展现了独特的优势和巨大的潜力。随着人们对肿瘤微环境研究的深入和环境响应性的DNA触发器的研制,近些年已报道了许多基于肿瘤微环境响应的DNA纳米结构递药系统,这些DNA纳米结构递药系统结合了纳米运载工具良好的生物分布和药代动力学特性,以及小型药物载体的快速扩散和渗透特性。通过靶向广泛的肿瘤栖息地而不是肿瘤特异性受体,该策略有可能克服肿瘤异质性问题,并可用于设计诊断和治疗多种实体肿瘤的纳米颗粒。在体内能够稳定地转运,在肿瘤组织独特的微环境刺激下释放药物,能有效地控制药物释放部位和释放速度,极大地降低了肿瘤治疗的毒副作用。本文主要从pH响应型、GSH响应型、ATP响应型、酶响应型、抗原响应型五个方面,综述了基于肿瘤微环境响应的DNA纳米结构递药系统的最新研究进展,分类介绍了这些DNA纳米载体的设计策略和响应释放机制,此外,还重点介绍了该领域面临的前景和挑战。     

探测静息状态大脑活动的关键区域

负激活作为一种定量分析静息状态脑活动的方法对脑功能成像研究具有重要意义．文中关注不同认知任务下的负激活信息,结合复杂网络理论,提取三个试验任务(符号方向判别、数字加和与汉字字形认知)的负激活点分别构建网络,发现三个网络均具有小世界特性．同时计算了网络的度值和介数值,推测出扣带回\楔前叶,额叶是静息状态下大脑活动的关键区域．提出了一种研究静息状态下大脑活动的新方法,通过这种方法获得的信息不同于体素逐点分析获得的局部激活信息．它反映了大脑任意两个体素点间的关联性以及在静息状态下大脑活动的整体协作关系．     

Modelling Human Cortical Network in Real Brain Space

Highly specific structural organization is of great significance in the topology of cortical networks. We introduce a human cortical network model, taking the specific cortical structure into account, in which nodes are brain sites placed in the actual positions of cerebral cortex and the establishment of edges depends on the spatial path length rather than the linear distance. The resulting network exhibits the essential features of cortical connectivity, properties of small-world networks and multiple clusters structure. Additionally, assortative mixing is also found in this model. All of these findings may be attributed to the specific cortical architecture.     

fMRI时间序列图像的配准测度及其相关优化方法

随着脑功能成像技术的迅速发展，人们对fMRI时间序列图像的配准问题也越来越重视．通过配准测度的建立，图像的配准问题最终被归结为数学上的多参数优化问题．本文综述了目前较常用的配准方法，介绍了基于灰度值的图像配准的差值平方和测度与互信息、测度以及求解它们的优化方法：阻尼GaussNewton法、有记忆功能的模拟退火算法、改进的Powell算法和一类新的进化策略算法．这四种算法各有特点能有效地找到最佳配准参数，配准精度较高，且能收敛到全局最优点。