多模态磁共振成像的脑效应连接网络分析及脑疾病诊断方法研究

Some challenging projects of cerebral information processing pattern and various cognitive function of the working mechanism can be revealed by the investigation of complicated brain connectivity networks. Recently, most methodology of brain connectivity networks still focused on undirected networks, which indeed ignored the significantly directed network information. The way to construct directed brain connectivity networks of reasonable mechanism between brain regions becomes an important and challenging research topic. This project will deeply investigate both the analytical approaches of effective connectivity networks for brain and classification techniques of the early diagonisis for cerebral diseases based on the multi-modal magnetic resonance imaging (MRI) data, the main contents are given as follows: 1) Build the multivariable Granger causal model of regional voxel mean time series from brain regions, and develop the sparse algorithm of the Granger causal model, and then construct the directed functional connectivity networks of rest-state functional magnetic resonance imaging; 2) Construct the multi-modal effective connectivity network between cerebral regions combined by the structural connectivity network of diffusion tensor imaging (DTI); 3) Investigate the intellectualization techniques and implementation algorithms using the classification methods of pattern recognition, finally provide quantitatively theoretical analysis and clinical guidance for the early detection and intervention in mild cognitive impairment (MCI). The objective of this project will provide a novel approach for the analysis of effective connectivity networks as well as the early diagnosis of cerebral disease, which is significantly theoretical meanings and prospective applications to develop complicatedly the scientific research on brain and cerebral disease intervention.

复杂脑网络研究是揭示大脑信息处理模式和各种认知功能工作机制的挑战性课题。目前大多数脑连接网络研究仍集中在无向网络上, 因而忽略了脑网络中非常重要的方向信息。如何构建符合脑工作机理的脑功能有向网络是当前备受关注的重要命题。本项目以多模态磁共振图像数据为基础，深入研究脑效应连接网络分析方法和脑疾病早期诊断识别技术，主要内容有：1）建立脑区体素平均时间序列的多变量格兰杰因果模型，研究模型优化稀疏算法，构建静息态功能磁共振成像的有向功能连接网络；2）结合弥散张量成像的结构连接网络，构建脑区域间的多模态脑效应连接网络；3）采用模式识别分类方法研究脑疾病分类诊断的智能化技术和实现算法，为轻度认知功能障碍的早期发现和早期干预提供定量的理论分析和技术指导。本项目的研究成果将为脑效应连接网络的分析和脑疾病的早期诊断开辟新的技术途径，对发展我国的复杂脑科学研究和脑疾病防治具有非常重要的理论意义和应用价值。

项目针对多模态脑效应连接网络建模分析、模式识别等领域对MCI患者脑疾病诊断的需求，依托本项目，主要包括以下内容：1) 开展了多变量格兰杰因果建模基础理论，提出了一种脑信号稀疏有向连接网络建模算法，为临床辅助诊断提供了定量分析依据; 2) 建立了稀疏神经元动态模型，揭示了神经元活动规律，为阐明大脑活动网络连接提供了新途径；3) 提出了一种多模态脑效应超连接网络分析方法，结合模式识别分类技术，为MCI的早期发现、早期干预及预后判断等提供定量的理论分析和新的技术指导。本项目的研究对理解神经、精神疾病的病理生理机制和脑功能异常状态下的认知功能损害提供了一种新的技术或新的思路。在本项目执行期间，已发表论文30篇，包括国际SCI期刊19篇，其中第一或通讯SCI 期刊论文16篇(如IEEE Transactions NNLS等) (标注基金号)，中文核心EI期刊论文2篇(标注基金号)；包括医学影像领域MICCAI(2017)国际顶级会议论文8篇（未标注基金号）等。申报国家发明专利5项，其中授权1项。研制了“意念控制技术”临床康复平台，将用于辅助全瘫及半瘫患者由自主意识参与的主动式康复训练，提高患者自理能力，成果获央视新闻、新华网等多家媒体报道。培养博士生3名，1名博士生获得北航博士新生奖学金，硕士生4名，1名学生获得“北京市优秀毕业生”；参加国际会议交流6次，项目主持人受Marek Czosnyka教授邀请，访问英国剑桥大学“Brain Physics”研究中心并做学术报告；于2017年11月2日在广西召开的“第十五届中国体视学与图像分析学术会议”上做大会学术特邀报告。建立了与英国剑桥大学“Brain Physics”研究、美国哈佛大学医学院的实质性合作，已派课题组博士生去美国哈佛大学进行联合培养。任国际期刊International Journal of Biomedical Engineering and Science (2013-目前)编委、Neurocomputing (2015)、Multimedia Tools and Applications (2015)及IEEE Reviews in Biomedical Engineering (2017) 专刊编委等。项目执行期间，项目负责人获得2016年中国体视学学会青年科技奖、2017年吴文俊人工智能学会科学技术奖。