导入数据...
  
脑与心理科学“天府大讲坛”第九讲: 胡德文教授介绍“功能成像脑网络分析”
[脑与心理科学研究院]  [手机版本]  [扫描分享]  发布时间:2021年10月26日
  查看:528
  来源:

供稿:王嫒玲   摄影:肖帅杰   审核:袁加锦

1015日下午,由我院举办的脑与心理科学“天府大讲坛”第讲在我校狮子山校区明德楼5楼学术报告厅举行。长江学者特聘教授,国家杰出青年基金获得者,国防科技大学智能科学学院胡德文教授邀作专题讲座。脑与心理科学研究院院长李红教授携学院全体师生参加此次活动。讲座由李红教授主持。

image.png

1李红教授主持讲座

本次讲座的主题为“功能成像脑网络分析”,胡德文教授从脑连接分析类型及其面临的挑战引入主题,简述了脑网络分析相关研究的研究思路。随后,胡德文教授为大家介绍了脑功能机理研究中常见的建模方法,分别介绍了数据驱动和模型驱动的有效连接方法。其中,数据驱动的有效连接分析方法包括,格兰杰因果(Ganger Causality)、结构方程模型和心理生理交互等。而模型驱动的有效连接分析典型分析方法包括动态因果建模(DCM),并详细介绍了随机动态建模的算法程序。应用方面,基于DCM的青少年网络成瘾的具体研究中,动态因果建模提出了一个统一的生成型框架,该框架能够基于相同的神经元模型分别生成EEGfMRI观测数据。

image.png

2胡德文教授介绍“功能成像脑网络分析”

接下来,胡德文教授从外部行为和脑网络可塑性方展开介绍。胡德文教授依旧从生动的生活实例中引入,着重介绍了驾驶员的功能脑网络研究。在该研究中,胡德文教授及其团队采用多变量分析法分析了出租车驾驶员的动态功能连接网络和功能脑状态。研究结果显示,长期驾驶改变了驾驶员与警觉相关功能网络的动态特性以及警觉相关脑状态的驻留时间。而在发表HUMAN BRAIN MAPPING》杂志上的睡眠剥夺脑连接研究中,胡德文教授及其团队使用了fMRI的组水平稀疏表示方法(Group-SSR),并发现睡眠剥夺条件下丘脑在多个脑网络中的活动改变。而在人脸吸引度的神经编码和反编码研究中,团队通过统计学习方法提取人脸吸引度感知的特异性脑区,研究了人对不同比例、形状的人脸吸引度感知的脑活动,该研究实现了人脸吸引度水平的神经活动反编码。

胡德文教授还关注对抑郁症的研究,他表示稳定可靠的生物学标记已成为精神疾病客观诊断的关键。胡德文教授介绍,面向精神疾病客观诊断的重大需求,研究功能成像脑连接建模与机器学习方法揭示精神疾病的脑连接机理与生物学标记的重要方法。以此方向,胡德文教授向大家介绍了基于大脑影像的模式识别,并进一步介绍了基于全脑功能连接的重度抑郁症患者鉴别、基于低稚学习的个体行为预测以及基于层次稀疏的大脑皮层三维形态学性别分类等研究。胡德文教授团队基于大脑影像的模式识别方法在上述研究中取得了显著的效果。

image.png

3我院学生向胡德文教授提问

此外,胡德文教授还介绍了多中心脑影像的迁移分类方法。胡德文教授以基于判别稀疏自编码的多中心精神分裂患者鉴别、基于图卷积网络的多中心脑影像迁移学习等研究向大家进一步介绍了多中心脑影像的迁移分类方法在具体研究中的应用。在最近的研究工作中,胡德文教授及其团队聚焦于本征聚类的全脑功能剖分,提出了一种新型的本征聚类算法,能够根据功能连接的分布特点自动确定功能脑区划分数目,在降噪抗噪的同时保持对功能子区划分的有效性和鲁棒性。在功能图谱及及其学习方面,聚类时利用了全脑功能连接,对脑区的剖分结果较之前的更加精细,且剖分结构具有可重复性。对于脑影像分析中的应用,迁移学习是一种解决方案。在基于保面元映射的大脑皮层可视化与迁移学习方法研究中,胡德文教授及其团队通过保面元映射将基于大脑曲面的皮质形态测量投影到二维平面图像,从而使2D预训练模型可以应用于三维脑影像。映射后的2D脑影像能够利用一个视图显示完整的大脑皮层,不存在遮挡,利用图谱进行分析更加便捷,在脑影像可视化方面具有应用价值。最后,胡德文教授详尽地回答了师生们的问题,并对各位师生未来的工作学习和发展寄予厚望。

讲座尾声,李红教授对胡德文教授的到来与分享再次表示了诚挚的谢意,强调胡教授研究内容与心理学诸多重大领域存在密切相关,鼓励同学们积极利用心理学学科的交叉优势,并期盼在将来能与胡德文教授展开更深入的合作。本次讲座内容深刻,开拓了同学们的眼界,赢得了师生的阵阵掌声。



(微信扫描分享)
编辑:脑与心理科学研究院