基于模式识别的高水平运动员RS-fMRI数据分类研究

为弥补传统的广义线性模型(generalized linear model, GLM)方法的不足,并探索模式识别在运动脑科学当中的应用价值。使用支持向量机(support vector machine, SVM)模式识别算法,以低频振幅(fractional amplitude of low-frequency fluctuations, fALFF)、局部一致性(regional homogeneity, ReHo)和度中心度(degree centrality, DC)作为学习特征,对射击运动组和滑冰运动组(分类1)、射击运动组和对照组(分类2)以及速滑运动组和对照组(分类3)之间进行二分类,并计算每一个脑区在分类算法当中的权重。使用留一交叉验证法计算分类正确率,使用总的准确率、接受者操作特性曲线(receiver operating characteristic curve, ROC)、以及预测准确率来衡量机器分类算法的优劣性。结果表明：分类1中SVM算法的正确率较高且分类效果更稳定,总的准确率(total accuracy, tACC)可以维持在96.67%以上,曲线下面积(a...     

长期参与有氧运动大学生执行功能相关脑网络特征

本研究旨在探索长期参与有氧运动的男性大学生执行功能相关脑网络的特征,并与静坐少动的对照组进行比较。收集15名规律参与有氧运动的男性大学生以及15名静坐少动对照组男性大学生脑结构及静息态功能磁共振成像数据。使用度中心度和独立成分分析两种方法评价脑网络特征：计算并提取14个执行功能相关脑区度中心度值（degree centrality, DC）,采用独立成分分析方法（independent component analysis, ICA）提取四个与执行功能相关的脑网络成分。组间对比发现：1）有氧运动组双侧后扣带回皮层以及双侧海马区度中心度水平显著高于静坐少动组（p < 0.05）,而静坐少动组右侧顶下小叶度中心度水平显著高于有氧运动组（p < 0.05）;2）有氧运动组在默认网络、背侧注意网络及腹侧注意网络均有脑区激活高于静坐少动组,峰值分别出现在右颞下回、颞极以及左腹侧后扣带回（AlphaSim校正,p < 0.001）;而静坐少动组腹侧注意网络在左侧在壳核高于有氧运动组（AlphaSim校正,p < 0.001）。研究结果表明：长期参与有氧运动的大学生,其执行功能相关脑网络激活模式优于静坐少动大学生,而这种差异主要是通过增加海马和后扣带回皮层而不是额叶皮层在脑网络中的重要性来实现的。