首页 新闻 图片 视频 报纸 广播 RSS
首页 > 新闻 > 综合新闻 > 正文

我校研究成果推进更完整更敏感脑信息的挖掘

作者:电信学部 来源:电子信息与电气工程学部 时间:2019-09-16 15:08

我校信息与通信工程学院林秋华教授课题组复数fMRI相位研究成果,推进更完整更敏感脑信息的挖掘。功能磁共振成像(fMRI)信号是脑功能和脑疾病研究的重要手段,具有空间分辨率高、无侵入等优势,被称为“活动大脑的观测窗口”。完整的fMRI数据是复数,包含幅值和相位(见图1)。然而,由于无法处理相位数据所带来的高噪声,在二十多年的研究历程中,fMRI相位数据长期被丢弃或只利用一部分。鉴于相位信息的独特性,林秋华教授课题组一直致力于完整复数fMRI数据的利用和新信息挖掘,以期为脑科学研究和智慧医疗提供更完整、更敏感的新特征。在多项国家自然科学基金的资助下,该课题组取得了重要进展和原创性成果。

图1. 复数fMRI数据的获取[1](Mag表示幅值数据, Phase表示相位数据)

[1] Calhoun VD, Adalı T. “Analysis of complex-valued functional magnetic resonance imaging data: are we just going through a “phase”?”Bulletin of the Polish Academy of Sciences Technical Sciences, vol. 60, no. 3, pp. 371–387, 2012.

首先,该课题组提出了在数据驱动方法中利用完整fMRI相位数据的一整套方法,包括相位校正、相位定位和相位消噪。其最大创新与贡献在于,找到了在强噪声干扰下,识别脑功能弱激活的可靠指标——空间源相位(见图2),进而挖掘到幅值fMRI数据所缺失的脑功能信息(见图3)。这一整套相位处理方法在复数fMRI分析中不可或缺。例如,在林秋华教授课题组最新发表于医学成像领域顶刊IEEE Transactions on Medical Imaging(IF=7.816)的成果“Shift-invariant canonical polyadic decomposition of complex-valued multi-subject fMRI data with a phase sparsity constraint”(https://doi.org/10.1109/TMI.2019.2936046)中,用于对多被试复数fMRI数据进行张量建模和分解消噪(见图4);在澳大利亚墨尔本大学副教授Abd-Krim Seghouane和法国奥尔良大学Karim Abed-Meraim教授课题组合作完成,最新录用于国际知名期刊Signal Processing(IF=4.086)的文章“Adaptive complex-valued dictionary learning: Application to fMRI data analysis”(https://doi.org/10.1016/j.sigpro.2019.107263)中,作者完整采用了林秋华教授课题组提出的相位校正、相位定位和相位消噪方法,对复数fMRI数据的稀疏表示成分进行后消噪处理。

图2. 空间源相位的强消噪能力:以幅值为指标消噪,留下大量高噪声,移除弱激活(见图b);以空间源相位为指标消噪,移除巨量高噪声,留下弱激活(见图d)

图3. 单被试幅值fMRI数据和复数fMRI数据所提取默认网络成分对比:幅值fMRI数据成分不完整

图4.引入空间源相位稀疏约束的多被试复数fMRI数据张量分解

其次,林秋华教授课题组在复数fMRI研究中发现,除了强消噪能力,空间源相位还是一种对脑功能改变高度敏感且统计显著的新信息。在对精神分裂症患者组(SZ)和健康对照组(HC)进行差异识别时,较之传统幅值信息,空间源相位所检测的差异性激活体素在数量上和统计显著性上均占绝对优势(见图5)。相关成果“Spatial source phase: A new feature for identifying spatial differences based on complex-valued resting-state fMRI data”(https://doi.org/10.1002/hbm.24551)已发表于国际知名期刊Human Brain Mapping(IF=4.554)。因此,空间源相位有望取代幅值,成为脑功能和脑疾病研究领域的新特征。

目前,国内外大多数研究单位对fMRI数据的采集仍主要集中于幅值数据。只要在采集fMRI幅值数据时同时保存相位数据,就能利用林秋华教授课题组的相位处理方法,将幅值fMRI研究拓展为复数fMRI研究,从而极大提升fMRI数据的利用效率和效果,为脑科学和智慧医疗做出新贡献。

图5.空间源相位对脑功能改变的高度敏感性和统计显著性:比幅值检测到更多的SZ-HC差异性体素(2832 vs. 642),且更多地通过了FDR校正(96.9% vs. 1.4%)

林秋华教授长期从事盲信号处理、fMRI分析、图像处理、机器学习等方向研究。与课题组主要成员龚晓峰副教授、丛丰裕教授一起,获得了多项国家自然科学基金的资助(61871067,61379012,61671106,61331019,81471742),与IEEE Fellow、美国佐治亚州立大学/佐治亚理工大学/埃默里大学三校联合神经影像转化研究和数据科学中心创始人、杰出教授Vince D. Calhoun和美国杜兰大学王玉平教授建立了有效的国际合作关系。在国际知名学术期刊和会议上发表相关学术论文90余篇,授权发明专利16项,所提出半盲抽取算法已嵌入fMRI分析常用工具箱GIFT(http://trendscenter.org/software/gift/)。上述IEEE Transactions on Medical Imaging文章第一作者邝利丹博士于2018年获得了大连理工大学“优秀博士学位论文单项奖学金”,2019年获得了国家自然科学基金青年项目资助(61901061),也将继续开展对复数fMRI数据的深入研究。

责任编辑:于舒雯

推荐视频

排行榜