针对功能磁共振成像(fMRI)脑龄预测精度较低以及该问题与深度学习结合研究较少的现状,提出一种轻量级多尺度卷积网络的fMRI脑龄预测模型(LMCN)。首先,通过计算fMRI中感兴趣区(ROI)的皮尔逊相关系数(R)得到ROI的功能连接(FC)矩阵,并将该...针对功能磁共振成像(fMRI)脑龄预测精度较低以及该问题与深度学习结合研究较少的现状,提出一种轻量级多尺度卷积网络的fMRI脑龄预测模型(LMCN)。首先,通过计算fMRI中感兴趣区(ROI)的皮尔逊相关系数(R)得到ROI的功能连接(FC)矩阵,并将该矩阵作为输入;其次,在提升FC通道数保证特征数的同时缩小特征图尺寸,并采用具有人类视觉注意力特点的多尺度空洞卷积模块RFB(Receptive Field Block)提取年龄特征;最后,通过全连接层输出预测脑龄,并计算各脑区的消融预测结果,从而探索对脑龄预测结果产生影响的关键脑区。在E-NKI和Cam-CAN这2个公开数据集上评估,可知LMCN参数所需内存为2.30 MB,比MobileNetV3、ShuffleNetV2分别减少了60.3%、52.0%。预测结果方面,在E-NKI数据集上,LMCN的平均绝对误差(MAE)为5.16,R为0.947,均方根误差(RMSE)为6.40,与基于网络的特征选择结合最小角回归模型相比,MAE减小了1.34,R增加了0.037;在Cam-CAN数据集上,LMCN的MAE为5.97,R为0.904,RMSE为7.93,与基于连接组的机器学习模型相比,R提升了0.019,RMSE减小了0.64。结果表明,LMCN在参数量较小易于部署的同时,能够有效提高fMRI脑龄预测的精度,并为评估健康成人的脑部状态提供线索。展开更多
目的通过功能磁共振成像(functional magnetic resonance imaging,fMRI)技术研究健康人脑空间工作记忆的功能脑区。方法10名右利手健康志愿者进行空间工作记忆任务的同时进行fMRI扫描,实验采用组块设计和SPM99软件进行数据分析和脑功能...目的通过功能磁共振成像(functional magnetic resonance imaging,fMRI)技术研究健康人脑空间工作记忆的功能脑区。方法10名右利手健康志愿者进行空间工作记忆任务的同时进行fMRI扫描,实验采用组块设计和SPM99软件进行数据分析和脑功能区定位。结果大脑皮质所激活的主要脑区有双侧顶叶(BA7/40,BA:Brodmann area,布鲁德曼分区),双侧额叶(BA6/9/47),双侧枕颞交界处(BA19/37);被激活的大脑皮质下结构有右侧尾状核、左侧丘脑和左侧中脑黑质;双侧小脑也均被显著激活(P<0.001)。结论人脑处理空间工作记忆信息是由大脑皮质下结构及小脑与大脑皮质共同完成的。展开更多
本研究应用功能磁共振成像(functional magnetic resonance imaging,fMRI)技术,检测了健康人大脑和小脑参与空间记忆的认知过程。通过对10名右利手健康志愿者进行一项短时空间记忆任务作业的同时进行脑功能磁共振扫描,实验采用组块设计...本研究应用功能磁共振成像(functional magnetic resonance imaging,fMRI)技术,检测了健康人大脑和小脑参与空间记忆的认知过程。通过对10名右利手健康志愿者进行一项短时空间记忆任务作业的同时进行脑功能磁共振扫描,实验采用组块设计,任务与对照任务交替进行,数据采用SPM99软件进行数据分析和脑功能区定位。结果显示:当统计阈值设定为P<0.0001时,大脑皮层和右侧小脑一起被显著激活;大脑皮层所激活的脑区有双侧顶叶的楔前叶、顶上小叶、缘上回(BA7/40,BA:Brodma-nn Area),双侧前额上、中、下回(BA6/9/47),双侧枕叶和枕颞交界处(BA18/19/37),右侧海马回;左侧中脑黑质及被盖部也被激活。上述结果提示:小脑和大脑皮层一起参与了空间记忆的认知过程。展开更多
目的通过功能磁共振成像(functional magnetic resonance imaging,fMRI)技术研究健康人脑处理数字工作记忆的神经基础。方法选取12名右利手健康志愿者进行一项数字工作记忆任务,同时进行fMRI扫描。实验采用组块设计,记忆任务和对照任务...目的通过功能磁共振成像(functional magnetic resonance imaging,fMRI)技术研究健康人脑处理数字工作记忆的神经基础。方法选取12名右利手健康志愿者进行一项数字工作记忆任务,同时进行fMRI扫描。实验采用组块设计,记忆任务和对照任务交替进行,采用SPM99软件进行数据分析和脑功能区定位。结果当统计阈值概率设为P<0.01时,任务所激活的脑区有额叶[布鲁德曼分区(Brodmann area,BA)6/9/46]、顶叶(BA7/40)、双侧海马、双侧扣带回、丘脑、尾状核以及小脑,其中额叶的激活最为显著(P<0.05),额叶和顶叶的激活都表现为左侧半球优势(P<0.05)。结论左侧额叶在人脑数字工作记忆中起重要作用,其他皮层脑区及皮层下结构也共同参与完成数字工作记忆的信息处理过程。展开更多
文摘针对功能磁共振成像(fMRI)脑龄预测精度较低以及该问题与深度学习结合研究较少的现状,提出一种轻量级多尺度卷积网络的fMRI脑龄预测模型(LMCN)。首先,通过计算fMRI中感兴趣区(ROI)的皮尔逊相关系数(R)得到ROI的功能连接(FC)矩阵,并将该矩阵作为输入;其次,在提升FC通道数保证特征数的同时缩小特征图尺寸,并采用具有人类视觉注意力特点的多尺度空洞卷积模块RFB(Receptive Field Block)提取年龄特征;最后,通过全连接层输出预测脑龄,并计算各脑区的消融预测结果,从而探索对脑龄预测结果产生影响的关键脑区。在E-NKI和Cam-CAN这2个公开数据集上评估,可知LMCN参数所需内存为2.30 MB,比MobileNetV3、ShuffleNetV2分别减少了60.3%、52.0%。预测结果方面,在E-NKI数据集上,LMCN的平均绝对误差(MAE)为5.16,R为0.947,均方根误差(RMSE)为6.40,与基于网络的特征选择结合最小角回归模型相比,MAE减小了1.34,R增加了0.037;在Cam-CAN数据集上,LMCN的MAE为5.97,R为0.904,RMSE为7.93,与基于连接组的机器学习模型相比,R提升了0.019,RMSE减小了0.64。结果表明,LMCN在参数量较小易于部署的同时,能够有效提高fMRI脑龄预测的精度,并为评估健康成人的脑部状态提供线索。
文摘目的通过功能磁共振成像(functional magnetic resonance imaging,fMRI)技术研究健康人脑空间工作记忆的功能脑区。方法10名右利手健康志愿者进行空间工作记忆任务的同时进行fMRI扫描,实验采用组块设计和SPM99软件进行数据分析和脑功能区定位。结果大脑皮质所激活的主要脑区有双侧顶叶(BA7/40,BA:Brodmann area,布鲁德曼分区),双侧额叶(BA6/9/47),双侧枕颞交界处(BA19/37);被激活的大脑皮质下结构有右侧尾状核、左侧丘脑和左侧中脑黑质;双侧小脑也均被显著激活(P<0.001)。结论人脑处理空间工作记忆信息是由大脑皮质下结构及小脑与大脑皮质共同完成的。
文摘本研究应用功能磁共振成像(functional magnetic resonance imaging,fMRI)技术,检测了健康人大脑和小脑参与空间记忆的认知过程。通过对10名右利手健康志愿者进行一项短时空间记忆任务作业的同时进行脑功能磁共振扫描,实验采用组块设计,任务与对照任务交替进行,数据采用SPM99软件进行数据分析和脑功能区定位。结果显示:当统计阈值设定为P<0.0001时,大脑皮层和右侧小脑一起被显著激活;大脑皮层所激活的脑区有双侧顶叶的楔前叶、顶上小叶、缘上回(BA7/40,BA:Brodma-nn Area),双侧前额上、中、下回(BA6/9/47),双侧枕叶和枕颞交界处(BA18/19/37),右侧海马回;左侧中脑黑质及被盖部也被激活。上述结果提示:小脑和大脑皮层一起参与了空间记忆的认知过程。
文摘目的通过功能磁共振成像(functional magnetic resonance imaging,fMRI)技术研究健康人脑处理数字工作记忆的神经基础。方法选取12名右利手健康志愿者进行一项数字工作记忆任务,同时进行fMRI扫描。实验采用组块设计,记忆任务和对照任务交替进行,采用SPM99软件进行数据分析和脑功能区定位。结果当统计阈值概率设为P<0.01时,任务所激活的脑区有额叶[布鲁德曼分区(Brodmann area,BA)6/9/46]、顶叶(BA7/40)、双侧海马、双侧扣带回、丘脑、尾状核以及小脑,其中额叶的激活最为显著(P<0.05),额叶和顶叶的激活都表现为左侧半球优势(P<0.05)。结论左侧额叶在人脑数字工作记忆中起重要作用,其他皮层脑区及皮层下结构也共同参与完成数字工作记忆的信息处理过程。
