论文部分内容阅读
阿尔茨海默病(Alzheimer’s Disease,AD)在老年人中的患病人数逐年升高,且女性患病的风险、病患所占比例是男性的2倍,女性的发病机制可能与男性不同。AD患者脑功能变化远早于脑结构变化,静息态功能磁共振成像(resting state functional Magnetic Resonance Imaging,rfMRI)是研究AD发病机制的重要成像方式。本文通过研究女性AD患者正常,早期轻度认知障碍,晚期轻度认知障碍和AD四个不同阶段功能连接的变化规律,为揭示女性AD的发病机制提供依据。基于负熵的快速独立分量分析(Fast Independent Component Analysis algorithm based on negative entropy,NE-FastICA)算法收敛速度快,分离精度高,鲁棒性高,是目前常用的功能连接分析方法。但由于NE-FastICA对随机化的初始值较敏感导致分离结果不稳定,且在分量选取及确定感兴趣区域时存在困难,同时由于在确定独立分量数目时存在过估计问题,本文提出基于改进有效检测准则(Effective Detection Criteria,EDC)与NE-FastICA的功能连接分析方法。EDC具有较高的估计一致性和灵活的惩罚函数,收敛速度相对较快,鲁棒性较高,常用于估计独立分量数目。但不同惩罚函数及不同参数?却导致了独立分量数目过估计问题,本文提出将对数函数引入惩罚函数,并结合黄金分割法确定?最优值的改进策略。NE-FastICA是基于对初始值敏感的牛顿法实现信号的盲源分离,常导致分离结果不稳定,本文提出将最速下降法与牛顿法相结合改善初值敏感性,利用Armijo准则确定最速下降法的步长,将最佳松弛因子用于优化步长。分量选取实质上是一个聚类问题,基于欧式距离的模糊C均值(Fuzzy C means,FCM)聚类算法没有考虑分量之间的相关性,本文提出基于皮尔森相关系数绝对值的FCM聚类方法,降低了选择感兴趣分量时对先验网络模板的依赖以及主观因素的影响。仿真实验结果表明,本文提出的改进EDC避免了过估计问题,估计性能明显提高。改进NE-FastICA算法降低了对初值的依赖性,提高了收敛速度。改进FCM算法的结果可用于确定感兴趣区域并进行功能连接分析。统计结果表明,CN发展为EMCI时,视觉联合皮层与角回、缘上回等感兴趣区域的功能连接强度减弱,EMCI发展为LMCI时,体感联合皮层与角回,视觉联合皮层与颞中回的功能连接有所增强,视觉联合皮层与缘上回之间开始出现负功能连接,LMCI发展为AD时,视觉联合皮层与缘上回等感兴趣区域之间的功能连接明显下降。