人类与猕猴大脑的同源脑区研究综述

探索大脑的结构和功能是本世纪最前沿的科学问题。灵长类动物的大脑之间具有较高的相似性,研究结果可以进行物种间的推广。由于对人类大脑进行生物实验受到诸多限制,研究者越来越关注非人灵长类动物大脑研究。通过综述大脑研究中人类和猕猴的同源脑区相关研究的进展情况。收集整理已发表的各类大脑图谱相关文章,筛选出适合人猴大脑同源性研究使用的图谱。对跨物种比较研究中提及的可能具有同源性的脑区进行梳理,根据采用的研究方法进行筛选,总结出25对同源关系较为明确的人类和猕猴大脑同源区域及其标记图谱。有助于研究人员进一步探索大脑工作机制。     

一种改进的Mean Shift指纹图像分割算法

基于传统指纹图像分割算法, 提出一种改进的Mean Shift指纹图像分割算法. 该算法利用指纹图像固有的方向性特性, 把经过分割后的每个指纹图像区域抽象为一个样本点, 将区域内像素点的灰度均值作为均值向量, 从而有效地实现了指纹图像分割. 实验结果表明, 该算法能准确地将指纹图像中的模糊区域和背景区域分离, 提高了指纹图像分割的精确度, 并且对于多数指纹图像准确性较好.     

基于主成分分析和Granger因果检验的手动任务脑功能效应连接

提出了一种基于Granger因果关系检验和主成分分析的fMRI数据效应连接方法,并将两种方法有效联合研究手动任务下激活皮层的因果效应连接。该方法首先由统计参数图法(SPM)组分析得到任务激活脑空间图,选取感兴趣区域(ROI);其次通过主成分分析提取ROI内fMRI信号的时间主成分,以此特征作为时间参考信息;最后计算参考区域与大脑其余每个体素之间的Granger因果关系,并映射到全脑,形成Granger因果图(Granger Causality Map,GCM)。理论和试验结果阐明了提出方法的有效性及可靠性。运用该方法研究人脑运动功能脑区在手动任务下的效应连接GCM,验证了运动功能神经网络理论。     

睡眠剥夺下人脑功能脑网络分析

在静息态和睡眠剥夺下分别获取了人脑f MRI数据,通过小波变换提取功能磁共振的时间序列,计算人脑116个脑区的相关性,发现在睡眠剥夺下人脑功能连接相较于静息态下有明显的变化,连接强度、聚类系数、特征路径长度、网络效率、小世界特性都有明显的变化;睡眠剥夺下脑区点效率变化在大脑脑区的激活增强居多,大脑激活补偿增强,而在小脑脑区点效率减弱比较明显,且影响小脑脑区数量相对于大脑更多,这表明睡眠剥夺对小脑影响比大脑更加明显。     

基于Granger因果检验和PCA的脑网络效应连接方法

为了提高脑功能效应连接网络检测的可靠性,提出了一种基于Granger因果关系检验和主成分分析(PCA)的功能磁共振(fMRI)数据效应连接方法.该方法首先通过PCA提取感兴趣区域内fMRI信号的时间主成分,以此特征作为时间参考信息,然后计算参考信息与大脑其余每个体素之间的Granger因果关系,并映射到全脑,形成Granger因果图(GCM).理论推导阐明了所提方法的有效性.采用该方法研究人脑运动功能脑区在手动任务下的效应连接GCM,结果验证了运动功能神经网络理论.     

任务背景下腹侧注意功能网络的fMRI研究

基于静息状态的功能磁共振成像(functional MRI,fMRI)已经成为当前人脑功能研究的重要手段之一,本研究采用任务背景来获取一种更为"纯净"的静息状态,其中脑区的"任务背景"被定义为那些不会激活感兴趣脑区的任务.由于到目前为止还不清楚在"任务背景"下人脑除默认网络外的其他"高级"功能网络内部是否被中断,本文研究了人脑听觉背景下腹侧注意网络内部的功能连接.结果表明在听觉背景下该网络内部存在显著的功能连接,这一结果说明简单的感觉任务不会中断人脑的腹侧注意网络.本研究首次证明在任务背景下,除默认网络之外,人脑还有一些高级功能网络内部存在显著功能连接.     

多指标指纹图像分割方法研究

将投票决策系统引入到指纹图像分割过程中,提出了一种多指标投票决策指纹图像分割方法.首先选择区域灰度方差、灰度均值、块方向方差均值和点方向集中度指标等分割指标,然后分别采用单指标、双指标、多指标分别对指纹图像进行分割处理,最后针对所获得的多个指纹图像分割结果,采用投票决策系统在结果层进行决策融合,获得最终的指纹图像分割结...     

用于非接触式指纹增强的曲率驱动自适应滤波器

为了有效增强指纹,提出了一种改进的基于曲率的自适应非接触式指纹图像增强算法.首先,对局部平稳的指纹图像信号进行STFT(short time Fourier transform)分析,确定纹理模式频谱所在的主要区域,对频谱进行根滤波和形态学平滑后,用均值-门限法提取STFT主频谱成分;然后,提出一种角度和径向估计方法,计算指纹图像在频域的方向图和频率图;最后,根据指纹的曲率,构造相应的巴特沃斯陷波带通滤波器和高斯带通滤波器分别对低曲率区域和高曲率区域进行滤波,有效地滤除奇异点区域和非奇异点区域的噪声模式频率并保留纹线模式的主频率.将提出算法和同类算法进行主客观的实验比较,实验结果表明:提出的算法优于现有算法,能有效滤除非接触式指纹的噪声、增强脊线和谷线之间对比度,同时修复并增强正确的脊线结构.     

基于互信息的帕金森病脑皮层功能连接

帕金森病的早期症状是很难察觉的,目前还没有一个明确的生物标志物可以准确地检测出早期的帕金森病。本文为了探究帕金森病的潜在生物标志物,分析15名帕金森病患者和15名健康对照者闭眼状态下的溯源后的脑电信号。首先,使用互信息测量两组受试者的大脑各个区域之间的功能连接。之后,对两组受试者之间的每个连接对的互信息值进行独立样本t检验,检测两组受试者之间显著差异的连接边。最后,将具有显著差异的连接边作为特征进行分类。结果表明,帕金森病患者的大脑各个区域之间的互信息值整体小于健康对照组,并发现在额顶叶和顶枕叶之间的功能连接差异十分显著（p<0.01）。利用互信息功能连接指标对帕金森病患者和健康对照组分类时,测试准确率为76.7%,验证了基于互信息的脑功能连接对帕金森病研究的有效性。这些发现表明额顶叶和顶枕叶之间功能连接性的降低可能是帕金森病的一个潜在生物标志物。本文系首次使用互信息这一功能连接指标对帕金森病进行研究,这为帕金森病的神经机制研究提供了一个新的途径。     

一种改进的指纹图像分割算法

针对经典的基于灰度方差的指纹图像分割算法对强噪声区域分割不准确的问题,深入分析了灰度均值计算方法和噪声对方差的影响,结合有效指纹图像区域灰度分布的基本特征,提出了灰度均值求取和灰度方差求取的改进算法。实验结果表明,相比于经典的灰度方差求取算法,改进算法求取的均值和方差更能够代表指纹图像的特征,分割结果更为准确、可靠,对强噪声的抵抗能力更强。     

阿尔茨海默症三网动力学因果性分析

为深入探究阿尔茨海默症(Alzheimer’s disease, AD)对患者大脑功能网络之间因果性连接的具体损伤情况,采用非线性的因果性分析方法——收敛交叉映射方法,区别于传统的基于线性模型的脑网络分析方法,研究在静息状态下阿尔茨海默症对默认模式网络(DMN)、中央执行网络(CEN)和显著网络(SN)中各个脑区之间因果性连接的影响,以及这种变化与临床认知水平指标之间的关联性。研究结果显示,静息状态下阿尔茨海默症患者的DMN、CEN和SN网络脑区之间的因果性连接普遍降低,而DMN和CEN网络中的因果性连接变化与认知行为相关性较强。本文研究从动力学角度探索了阿尔茨海默症对大脑3个重要功能网络因果性连接的损伤情况,可为深入理解静息态下AD大脑内在的动力学变化特征提供帮助。     

改进灰度共生矩阵的指纹图像分割算法

针对灰度共生矩阵对指纹图像分割过程中人工选取阈值不精确、繁琐等缺点,提出了一种采用自适应阈值分割的灰度共生矩阵的指纹图像分割算法。首先,用整幅指纹图像的对比度方差值的均值Mv作阈值对图像进行初分割;然后,不断调整Mv,通过试验验证当指纹区域对比度方差值的均值Pv与Mv的比值在一个特定的区间(即Pv/Mv∈[1.5,2])时,才能获得最好的分割效果,由此获得灰度共生矩阵的自适应分割阈值Mv,从而精确地分割出指纹图像的有效区域。试验结果表明,相比于已有的分割算法,该算法在分割错误率和耗时方面均较优,并且分割更准确。     

不确定监控的事件相关电位研究

采用与以前不同的实验任务范式对不确定监控的认知神经加工过程进行了探索．实验采用被试间设计,把被试分成两组：知觉组和监控组,分别完成黑白方块判断任务．知觉组被试判断两种色块的面积是否相等;而监控组被试则对自己做出准确分辨的确定性进行判断．实验发现：监控组被试的反应时间显著长于知觉组被试;监控组被试在头皮前部诱发出的N2（160—220ms）成分的波幅,显著大于知觉组被试,在头皮后部诱发的P2（170230ms）成分的波幅大于知觉组;监控组被试在头皮前部,340—440ms和440—540ms两个时间窗口诱发出的事件相关电位成分与知觉组相比更为负走向．实验结果说明,监控加工所激活的脑区可能对负责完成具体认知加工任务的脑区存在某种“调节”机制,不同脑区之间的“调节”机制可能正是监控对认知加工过程的调节作用在大脑活动中的反映．     

基于解剖标志点约束的脑部PET/CT图像图谱配准与脑区分割

正电子发射断层扫描/计算机断层扫描(positron emission tomography/computed tomography,PET/CT)图像在脑部疾病的诊断和治疗中已得到广泛应用.目前的脑部图谱配准方法大多采用全局优化策略,不能精细勾画大脑的解剖感兴趣区域,尤其对于深层脑区的分割精度有限.为此提出了一种结合...     

静息态亚健康失眠脑功能网络分析

针对亚健康失眠者根据匹兹堡睡眠质量指数筛选被试参与实验,利用128导脑电（EEG）分析仪,提取静息态64导脑电信号,通过多通道脑电信号同步性分析,脑功能网络的构建和分析,研究亚健康失眠者与健康人脑电信号的特异性差异,同时进一步比较分析亚健康失眠者与健康人脑电的负相关特性.分析结果表明亚健康失眠者与健康人相比,脑电信号同步性降低,脑功能网络的连接减弱,大脑的活跃度降低,并且这种差异性在脑电负相关特性中表现更为明显.     

移动自组网连接概率的仿真分析

连接性是在设计和仿真移动自组网时需确定的重要基础性问题．采用仿真分析的方法对移动自组网的连接概率进行了研究,利用仿真程序得出连接概率与节点发射半径及区域边界范围之间变化的数据,然后进行数据拟合,得到了移动自组网连接概率的公式表达式．     

基于rs-fMRI数据的脑功能网络构建与分析

从脑网络的角度研究大脑功能脑区之间的连接关系,对于理解大脑的工作方式乃至探究精神疾病的病理机制具有重要意义。本文基于静息态功能磁共振成像(rs-fMRI)数据,计算264个脑区间的相关性,提出了3个合理的假设来确定相关系数阈值,构建出相应的脑功能网络。通过计算网络的聚类系数和平均最短路径长度等属性,结果表明脑功能网络具有小世界特性。针对脑区节点数大于信号时间序列长度情况下的偏相关计算,提出了一种矩阵变换法,获得脑区间的偏相关系数,能够消除其他节点的间接影响。最后在标准脑图上实现了脑功能网络连接关系的可视化。实验证明本文的构建和分析算法是可行的,为脑功能网络分析提供了有益的探索。     

心智状态=大脑状态：生命进化史对心身问题的解构

 英国哲学家科林·麦金曾认为,人类的意识问题是不可解的,即便有解决方案也是人类智力所无法理解的。然而实验科学的日益进步似乎越来越佐证了物理主义的等式“心智状态=大脑状态”：当我们感到疼痛时,特定的痛觉脑区会被激活;当我们闻到花香时,特定的嗅觉脑区会被激活;当我们看到红色时,特定的视觉脑区会被激活……似乎,所有感受发生时都伴随与之对应的神经细胞活动,意识活动仅仅只是一个物理事件,即如果科学家能深入人脑观察这些神经活动过程,那么他就能用物理学和化学的客观语言描述脑主人此时此刻的感受。     

基于类拐点特征向量的多层次指纹分类新方法

自动指纹识别技术是利用人类指纹的唯一性,通过对指纹图像的采集、细节特征提取并与样本库数据相比较的过程来实现指纹识别的技术.首次定义并成功提取了一种反映指纹方向场变化特点和规律的新特征向量,即类拐点特征向量.利用这一新的特征向量和从类拐点中抽取出来的指纹核心点为分类特征,以多层次树结构为分类策略,使不同类型的指纹在不同层次、不同特征空间都线性可分,从而分别获得最大的类间距离而最小的类内方差.在高维数比率样本测试条件下,分类的准确率达到99%以上,并且对低质量指纹图像具有良好的鲁棒性,从而真正实现了准确一致而又精细的指纹实时分类,具有很强的实用性和一定的推广价值.     

静息态功能脑网络核心节点评价方法及其在抑郁症分类上的应用

识别大脑功能网络的核心节点对于脑科学与脑疾病研究有重要的指导意义。目前,研究者普遍运用度中心性和k-core分解法来度量网络的核心节点,然而度中心性只考虑节点自身的邻居个数而忽略了其在网络中的位置。k-core分解法只考虑节点在网络中的位置而忽略了其自身的特性。本文综合考虑节点的度值及其在网络中的位置,提出了一种基于度值和节点位置相结合的核心节点评价方法。对正常被试大脑功能网络进行蓄意攻击仿真实验表明:与度中心性和kcore分解法相比,对采用新方法识别出的核心节点进行蓄意攻击后,网络的全局效率下降幅度最大;其次,依据文中提出的中心性指标,找到抑郁症患者和正常被试之间具有显著差异的脑区,并将这些脑区的中心性指标作为分类特征进行分类,使得分类的准确率提高了7%.