项目名称: 抑郁症EEG功能脑网络构建及异常特征分析研究

项目编号: No.61472270

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 其他

项目作者: 李海芳

作者单位: 太原理工大学

项目金额: 83万元

中文摘要: 近年来,脑网络组的研究蓬勃开展,而EEG较高的时间分辨率和较少的实验设计约束,使得利用EEG数据构建和分析脑网络成为主要研究方向之一,也为抑郁症早期诊断和预后疗效评价提供了新的视角。本项目将采集脑电数据,研究节点、边对网络拓扑结构的影响以及连接的最佳度量算法,构建EEG功能脑网络;研究功能脑网络综合评价体系,实现最优功能脑网络模型的筛选;利用复杂网络理论技术,深入挖掘功能脑网络属性表征,最大化脑疾病状态下拓扑属性组间特征差异;对比分析EEG和fMRI功能脑网络的关联性,揭示脑区之间复杂的非线性依赖关系,有效整合EEG的高时间和fMRI的高空间分辨率,提取抑郁症对功能脑网络影响的关键特征指标;利用机器学习算法,建立抑郁症分类模型,为临床诊断提供依据。本项目是计算机科学、信息科学、神经科学和临床医学等多学科综合交叉,是国际前沿基础科学问题和国家重大需求,具有重要的理论意义和应用价值。

中文关键词: 抑郁症;复杂网络;脑电信号;功能脑网络;fMRI数据

英文摘要: In recent years, the study on brain connectome has flourished. EEG has high temporal resolution and low experimental design constraints, which make the use of its data to build and analyse brain network become one of the main research topic, and subsequently, offer a new perspective for the early diagnosis, prognosis, and therapeutic effect evaluation in depression. This project will collect EEG data, research the effects of the nodes and edges on network topology and the optimistic measure algorithm of connection, construct functional brain network based on the data from EEG; study of comprehensive evaluation system for Functional Brain Network, realize the screening for optimistic functional brain network model; using the complex network theory and technique, digging out the Functional Brain Network measures, make the difference of topology measures between groups maximized; through the contrastive analysis of the relationship in time scale between EEG and fMRI functional brain network, reveal the complex nonlinear dependency relationship among brain regions, high temporal resolution of EEG and high spatial resolution of fMRI will be integrated efficiently, extract the key Functional Brain Network measures of the depression; build the classification model of depression by using machine learning, provide the basis for clinical diagnosis. This project is a comprehensive subject including computer science, information science, neural science and clinical medicine, is an advancing scientific issue of the world and the great need of the country with important academic meaning and applying value.

英文关键词: Depression;complex network;electroencephalogram;Functional Brain Network;functional magnetic resonance imaging data

成为VIP会员查看完整内容
4

相关内容

专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
56+阅读 · 2021年9月22日
专知会员服务
40+阅读 · 2021年7月24日
专知会员服务
65+阅读 · 2021年6月3日
最新《图机器学习》综述论文,19页pdf
专知会员服务
150+阅读 · 2021年5月5日
最新《知识图谱:构建到应用》2020大综述论文,261页pdf
专知会员服务
288+阅读 · 2020年10月6日
最新《医学图像深度语义分割》综述论文
专知会员服务
94+阅读 · 2020年6月7日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
【TPAMI2022】关联关系驱动的多模态分类
专知
3+阅读 · 2022年3月22日
关系图谱在贝壳的构建和应用
DataFunTalk
29+阅读 · 2020年3月4日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
图分类:结合胶囊网络Capsule和图卷积GCN(附代码)
中国人工智能学会
36+阅读 · 2019年2月26日
特征工程的特征理解(一)
机器学习研究会
10+阅读 · 2017年10月23日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月16日
Hierarchical Graph Capsule Network
Arxiv
20+阅读 · 2020年12月16日
Arxiv
17+阅读 · 2020年11月15日
Arxiv
20+阅读 · 2020年6月8日
小贴士
相关VIP内容
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
56+阅读 · 2021年9月22日
专知会员服务
40+阅读 · 2021年7月24日
专知会员服务
65+阅读 · 2021年6月3日
最新《图机器学习》综述论文,19页pdf
专知会员服务
150+阅读 · 2021年5月5日
最新《知识图谱:构建到应用》2020大综述论文,261页pdf
专知会员服务
288+阅读 · 2020年10月6日
最新《医学图像深度语义分割》综述论文
专知会员服务
94+阅读 · 2020年6月7日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
【TPAMI2022】关联关系驱动的多模态分类
专知
3+阅读 · 2022年3月22日
关系图谱在贝壳的构建和应用
DataFunTalk
29+阅读 · 2020年3月4日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
图分类:结合胶囊网络Capsule和图卷积GCN(附代码)
中国人工智能学会
36+阅读 · 2019年2月26日
特征工程的特征理解(一)
机器学习研究会
10+阅读 · 2017年10月23日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员