基于神经网络的脑功能连接数据分类方法研究

发布时间：2025-06-24 04:29

　　静息态功能性磁共振成像(rs-fMRI)是一种功能性磁共振成像(fMRI)方法,主要用于评估在静息或未执行明确任务状态下脑功能区域发生的相互作用。对rs-fMRI数据进行分析有助于探索大脑的功能组织,以及研究其在神经或精神疾病中的变化。现有研究发现大脑功能连接模式的变化与一些精神疾病的临床表现联系密切,如精神分裂症、阿尔茨海默病、自闭症等。基于机器学习方法对静息态脑功能连接数据进行研究,分析脑功能区域连接特征与脑疾病的关联,有助于对脑疾病的理解和潜在生物标志物的发现。本文基于rs-fMRI数据,利用神经网络模型对脑功能连接数据进行分类研究。深度神经网络模型在分类任务上取得不错的效果,已被应用于功能连接的分析,但利用神经网络模型进行预测,其内部逻辑难以解释。针对上述问题,利用分段线性神经网络(PLNN)的可解释性,本文首先提出了一种基于PLNN的全连接神经网络模型(FCNN),用于对脑功能连接数据的分类研究。通过将功能连接特征向量输入FCNN模型中进行训练,实现rs-fMRI数据的分类。然后,基于PLNN的可解释性,提出一种对FCNN模型的解释方法,对模型中单个样本的分类判断进行特征贡献解...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 研究现状
        1.2.1 基于功能连接向量的分类研究
        1.2.2 基于功能连接网络的分类研究
    1.3 研究内容
    1.4 论文结构
第二章 相关技术
    2.1 脑功能连接构建
        2.1.1 数据预处理流程
        2.1.2 功能连接构建
    2.2 深度学习模型
        2.2.1 深度神经网络
        2.2.2 分段线性神经网络
        2.2.3 图卷积神经网络
        2.2.4 显著图
    2.3 本章小结
第三章 基于分段线性神经网络的脑功能连接数据分类
    3.1 引言
    3.2 FCNN模型及解释方法
        3.2.1 特征提取
        3.2.2 FCNN模型
        3.2.3 解释方法
    3.3 分类实验
        3.3.1 数据描述与处理
        3.3.2 评价指标
        3.3.3 实验环境
        3.3.4 对比模型
        3.3.5 分类结果与讨论
    3.4 解释实验与分析
        3.4.1 对单个实例的解释
        3.4.2 对ASD被试组的解释
    3.5 本章小结
第四章 基于图神经网络的脑功能连接数据分类
    4.1 引言
    4.2 GAT-NR模型
        4.2.1 脑功能连接图构建
        4.2.2 模型设计
        4.2.3 模型实现
    4.3 分类实验与分析
        4.3.1 数据描述与处理
        4.3.2 实验环境
        4.3.3 对比方法
        4.3.4 实验结果与分析
    4.4 解释实验与分析
        4.4.1 特征显著图
        4.4.2 功能连接特征分析
    4.5 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附件



本文编号：4052487