基于动态因果模型研究盐酸哌甲酯对大脑默认网络效应连接的调制作用北大核心CSCD

本文基于静息态功能磁共振成像研究18名健康男性大学生志愿者在服用盐酸哌甲酯药物后大脑默认网络的效应连接变化。应用动态因果模型方法分析比较在服用安慰剂和盐酸哌甲酯药物两种条件下静息态默认网络的效应连接的区别。静息态的动态因果模型分析以文献研究提供的网络模型为先验基础,将低频波段信号（0.01~0.08 Hz）作为默认网络的驱动输入,再根据盐酸哌甲酯药物对节点间不同连接的调节作用设计32种动态因果可能性模型,最终通过拟合分析和贝叶斯模型选择得到最优模型及模型参数。结果表明,在静息条件下默认网络的内侧前额叶到后扣带回、两侧顶下小叶到内侧前额叶以及右侧顶下小叶到后扣带回的效应连接分别表现为促进状态,而左侧顶下小叶到后扣带回却表现为抑制连接。进一步地,根据盐酸哌甲酯药物与安慰剂条件的连接参数的配对统计比较发现,盐酸哌甲酯显著调节右侧顶下小叶到内侧前额叶皮质的连接（t=2.724,P=0.016）,使其由弱促进状态转变为抑制状态,但对其它连接无显著影响。本研究结果表明,盐酸哌甲酯药物对正常志愿者大脑静息态默认网络的效应连接具有显著的调制作用。     

基于动态因果模型对颞叶癫痫活动传播的初步研究

现代理论认为,内侧颞叶是颞叶癫痫的主要癫痫源,内、外侧颞叶均参与了颞叶癫痫活动,但其关系尚未明了。文章作者利用动态因果模型(dynamic causal modeling,DCM) 研究内、外侧颞叶在颞叶癫痫中的作用,将间期痫样活动作为对设计模型的扰动,贝叶斯估计法评估DCM模型的各参数值,通过贝叶斯因子选择最佳的设计模型,得出内侧颞叶与同侧外侧颞叶皮层之间的效应连接。发现内侧颞叶是癫痫活动的前级传导区域。     

儿童失神癫痫的默认模式网络的结构连接研究

大脑结构连接是其功能连接的物质基础．已有研究表明,失神癫痫患者默认模式网络(default mode network,DMN)中的功能连接发生了改变．为了探索这些改变相应的结构基础,对11名儿童失神癫痫患者和12名正常对照,使用基于弥散张量成像(diffusion tensor imaging,DTI)的纤维束追踪技术,构建了每个被试DMN脑区间的纤维束连接．结果表明,在所有被试的DMN网络中一致发现后扣带/楔前叶到内侧前额叶、后扣带/楔前叶到左右双侧的内侧颞叶都存在纤维束连接．通过两组间统计比较这些纤维束连接的平均长度、连接强度、平均部分各向异性(fractional anisotropic,FA)值和平均弥散度(mean diffusivity,MD)值等参数,发现患者组的后扣带/楔前叶到内侧前额叶纤维束连接上的平均FA值及连接强度都显著降低,而平均MD值显著增加,并且其FA值与癫痫病程呈显著的负相关关系,这些改变可能影响了患者DMN网络的功能连接．本研究结果为DMN功能连接异常提供了相关的结构上的依据,提示后扣带/楔前叶到内侧前额叶的连接异常可能在儿童失神癫痫中起着非常重要的作用．     

fMRI颞叶癫痫默认模式网络的研究

许多功能磁共振研究已经发现人脑的一些皮层区域在静息状态下出现共激活,这些区域形成连通的功能网络,称为"默认模式网络"。本文研究颞叶癫痫患者的默认模式网络,运用独立成分分析(Independent component analysis)分离出12例颞叶癫痫患者和12例正常对照的默认模式网络,进行组内分析得到两组被试的统计图,进行组间分析比较两组被试的默认模式网络的差异。结果表明默认模式网络均存在于颞叶癫痫患者和正常对照中,然而,在默认模式包含的网络中,颞叶癫痫患者前扣带回腹侧(ventral anterior cingulated cortex,vACC)、前额中分(medial prefrontal cortex,MPFC)、楔前叶(precuneus)、以及海马旁回区域比正常对照表现出代谢增强。这一结果有助于从脑功能的角度了解癫痫患者某些临床症状的发病机理,为今后癫痫诊治的发展提供一定的帮助。     

动态神经元的网络模型 Ⅱ.计算机仿真

在动态神经元的网络模型的基础上,在计算机上进行了仿真。结果表明,我们的单元模型能再现感受器的适应性、兴奋后抑制、相位锁定和位置编码。由五十个这样的单元构成的侧抑制网络能再现鲎复眼侧抑制网络的瞬态特性,而在达到稳态时则表现出马赫带现象。仿真结果还预测侧抑制网络对运动目标特别敏感。模型有关神经元处理信息的内部机制和外部特性与生物神经元的一致性,以及由此构成的侧抑制网络与鲎复眼侧抑制网络性质的一致性,都提示此模型有希望成为一种更接近于生物神经网络的模型。     

基于动态因果模型研究盐酸哌甲酯对大脑默认网络效应连接的调制作用

本文基于静息态功能磁共振成像研究18名健康男性大学生志愿者在服用盐酸哌甲酯药物后大脑默认网络的效应连接变化。应用动态因果模型方法分析比较在服用安慰剂和盐酸哌甲酯药物两种条件下静息态默认网络的效应连接的区别。静息态的动态因果模型分析以文献研究提供的网络模型为先验基础,将低频波段信号(0.01~0.08 Hz)作为默认网络的驱动输入,再根据盐酸哌甲酯药物对节点间不同连接的调节作用设计32种动态因果可能性模型,最终通过拟合分析和贝叶斯模型选择得到最优模型及模型参数。结果表明,在静息条件下默认网络的内侧前额叶到后扣带回、两侧顶下小叶到内侧前额叶以及右侧顶下小叶到后扣带回的效应连接分别表现为促进状态,而左侧顶下小叶到后扣带回却表现为抑制连接。进一步地,根据盐酸哌甲酯药物与安慰剂条件的连接参数的配对统计比较发现,盐酸哌甲酯显著调节右侧顶下小叶到内侧前额叶皮质的连接(t=2.724,P=0.016),使其由弱促进状态转变为抑制状态,但对其它连接无显著影响。本研究结果表明,盐酸哌甲酯药物对正常志愿者大脑静息态默认网络的效应连接具有显著的调制作用。     

What和Where:视觉背腹侧通路在汉字组块破解过程中连接的变化

组块破解是指将熟悉的知觉整体或对象分解为其组成部分,再以新的方式组成其他项目.以往对于组块破解的眼动和脑成像研究提示:组块破解具有视觉-空间信息加工的特点,包含"在哪里"和"是什么"两个基本的认知侧面,可能同时激活视觉的背侧(where)和腹侧(what)通路.本研究应用动态因果模型探讨不同难度的汉字组块破解任务对于视知觉信息加工中的背、腹侧通路的连接强度的影响.实验操纵了阻碍组块破解实现的两种不同因素——熟悉度和结构紧密性.其中,熟悉度变量通过真字和假字两个水平实现,而结构紧密程度变量则通过松散结构和紧密结构两个水平(如将"旧"拆解为"日",或将"四"拆解为"匹")体现.结果表明,熟悉度的增加使where通路的调控连接增强;空间结构紧密性的增加使得what通路和where通路的调控连接均增强;而上述两个因素的同时增强不但使what通路和where通路的调控连接增强,而且使what通路终端到where通路终端之间的调控连接也增强.     

基于个体的集水区森林动态模型

研制了基于个体的在景观尺度上运行的森林动态模型CFDM(individual-based catchmentscale forest dynamic model),介绍了CFDM模型的研制和检验过程,以及GIS技术的应用、气候和生理因子的参数化.对卧龙保护区一个139hm2小集水区进行了400年的模拟(包括地形数据的预处理、改进的山地小气候模型的运算和森林动态模拟).结果表明:CFDM模型能够描述林木个体的生理过程与空间分布,进而实现对整个集水区范围内森林的空间格局及其动态的模拟.     

基于动态方向梯度矢量流模型的脑肿瘤图像分割

目的:针对GVF Snake模型算法收敛容易陷入局部极小值及对初始轮廓位置敏感等缺点,提出一种动态方向梯度矢量流模型(DDGVF),使其更适合医学图像的分割。方法:利用主动轮廓模型的提取和跟踪特定区域内目标轮廓的方法,将其应用于医学图像如CT、MRI和超声图像的处理,以获取特定器官及组织的轮廓。结果:动态方向梯度矢量流场(DDGVF)能够较好地提取出脑肿瘤图像。结论:利用该方法能够较好地分割提取出脑肿瘤图像的肿瘤病变区域,为进一步对其纹理和形状等特征进行描述和分析提供了可靠的依据。     

一种新的无标度网络构建方法及其在基因表达谱模拟上的应用

本文提出一种新的基于重连接方法的无标度网络构建算法．根据重连接方法新节点的调控节点会被重选,重连接概率取决于幂率分布模型参数gamma．用本文算法构建的网络通过微分方程模型来模拟基因表达谱数据,所用的优化算法为GA与PSO．候选节点的选择可以根据已有节点的连接数决定．实验的网络可以用log-log图,模拟的基因表达谱也用微分方程模型来验证效果．每个连接的正确性将会通过实验验证,完整的程序可以通过我们的官方网站获得：http://ccst.jlu.edu.cn/CSBG/ourown/.     

基于复杂网络的脑疾病功能网络研究进展

脑功能连接能够反映脑区间的相互联系状况,目前已成为脑功能研究的主要方法。复杂网络方法源于图论分析,可以对功能连接所构网络进行量化分析,提供多种量化指标。本文介绍了当前复杂网络的多种基本概念,及其在几种典型脑部疾病上的应用情况。     

植物群落动态的模型分析

植物群落的动态是植物群落学的中心问题之一,包括更新、波动、演替、进化等主要内容。空间格局对种群和群落的动态起着至关重要的作用,种群空间格局和群落空间结构是群落中各种过程相互作用的产物。模型是描述群落动态、认识植物群落组建和维持机理的有效工具。本文阐述和比较了描述群落动态的四种具有代表性的经验模型,即镶嵌循环模型、随意游走模型、同资源种团比例模型、空间抢先占有模型及其机理。四种经验模型的空间性及缺陷分别是:(1)“镶嵌循环模型”考虑到了相邻斑块之间的植被空间结合在群落动态中的作用,而另外三种模型没有考虑到这一点;(2)在一定程度上,四种植物群落动态模型对各自针对的植物群落可能是适合的,但要作为描述群落动态发展的一般性模型还需要不断完善和发展;因为四种模型均没有考虑到自然干扰和人类干扰对植物群落动态的影响。作者对将来植物群落动态的研究及实践意义做出以下展望:(1)在不同空间尺度上,更加有效地评价控制群落动态变化的各种过程的相对重要性,并进一步将它们之间的复杂相互作用整合到群落动态模型中;(2)充分认识植物群落中存在的各种自然环境条件和生物群体的结构配置对植物群落动态发展的重要性;(3)重视植物群落动态发展中自然干扰过程和人类干扰过程的整合以     

基于因果网络模型的城市生态安全空间分异——以大连市为例

城市生态系统是一个脆弱而不稳定的生态系统,与自然系统相比较具有高能耗物耗、高环境污染、低自然资源储备的特点.同时,其生态安全评价也存在特有的空间特性、非线性和随机性.城市化进程的快速推进引发了众多生态环境问题,而且问题发展日趋严重.生态环境安全在城市中的空间分异现象也日益彰显.分析了PSR、DSR、DPSIR因果链结构模型的利弊,提出了一种新的生态安全评价模型-因果网络模型DPSRC模型,结合地理信息系统空间分析的方法,研究大连市生态系统健康状况,得到如下结论:①根据城市生态系统的复杂性,分析了以往链式模型的弊端,提出了网络分析模型,并且拟定"驱动力-压力-状态-响应-控制"DPSRC模型指标体系,运用模糊层次分析法(Fuzzy AHP)和综合比较法赋权并量化计算;②实地调查、收集了关于城市生态安全的数据资料,并将其数字化建立大连市生态安全指数的矢量网格数据库;③运用地理信息系统空间分析方法,揭示了大连城市生态健康状况和城市生态安全空间分异格局.     

一个基于基因表达谱的基因逻辑网络模型的建立与应用

基因之间除了线性关联作用关系外,还存在着非线性的逻辑关系.用这种逻辑关系构建的生物系统网络模型对研究细胞内的各种生物通路和细胞分子网络非常重要.首先,根据图着色原理确定了基因的低阶和高阶逻辑关系,然后应用结肠癌基因表达谱数据分析了51个癌基因和抑癌基因的逻辑关系,在此基础上构建了结肠癌基因表达的逻辑网络.通过这个网络模型发现了与KEGG数据库中结肠癌通路一致的转化生长因子信号通路,并分析了各生物通路成员之间错综复杂的关系.实验结果表明,基因逻辑网络模型在一定程度上揭示了结肠癌基因和抑癌基因之间并行、分叉等复杂的相互作用关系,反映了结肠癌发病的复杂分子机制,为分子生物医学家提供了一个参考模型.     

基于有序条件互信息和有限父结点构建基因调控网络

基因调控网络重建是功能基因组研究的基础,有助于理解基因间的调控机理,探索复杂的生命系统及其本质.针对传统贝叶斯方法计算复杂度高、仅能构建小规模基因调控网络,而信息论方法假阳性边较多、且不能推测基因因果定向问题.本文基于有序条件互信息和有限父结点,提出一种快速构建基因调控网络的OCMIPN算法.OCMIPN方法首先采用有序条件互信息构建基因调控相关网络;然后根据基因调控网络拓扑先验知识,限制每个基因结点的父结点数量,利用贝叶斯方法推断出基因调控网络结构,有效降低算法的时间计算复杂度.人工合成网络及真实生物分子网络上仿真实验结果表明:OCMIPN方法不仅能构建出高精度的基因调控网络,且时间计算复杂度较低,其性能优于LASSO、ARACNE、Scan BMA和LBN等现有流行算法.     

面向异步多时延基因调控网络建模的高阶动态贝叶斯网络模型及其结构学习算法

目的：由基因芯片数据精确学习建模具有异步多时延表达调控关系的基因调控网络。方法：提出了一种高阶动态贝叶斯网络模型,并给出了网络结构学习算法,该模型假定基因的调控过程为多阶马尔科夫过程,从而能够建模基因调控网络中的异步多时延特性。结果：由酵母基因调控网络一个子网络人工生成了加入10%含噪声的表达数据用于调控网络结构学习。在75%的后验概率下,本文提出的高阶动态贝叶斯网络模型能够正确建模实际网络中全部的异步多时延调控关系,而经典动态贝叶斯网络仅能够正确建模实际网络中1/3的调控关系;ROC曲线对比表明在各个后验概率水平上高阶动态贝叶斯网络模型的效果均优于经典动态贝叶斯网络。结论：本文提出的高阶动态贝叶斯网络模型能够精确学习建模具有异步多时延表达调控关系的基因调控网络。     

面向异步多时延基因调控网络建模的高阶动态贝叶斯网络模型及其结构 学习算法

目的：由基因芯片数据精确学习建模具有异步多时延表达调控关系的基因调控网络。方法：提出了一种高阶动态贝叶斯网 络模型,并给出了网络结构学习算法,该模型假定基因的调控过程为多阶马尔科夫过程,从而能够建模基因调控网络中的异步多 时延特性。结果：由酵母基因调控网络一个子网络人工生成了加入10%含噪声的表达数据用于调控网络结构学习。在75%的后验 概率下,本文提出的高阶动态贝叶斯网络模型能够正确建模实际网络中全部的异步多时延调控关系,而经典动态贝叶斯网络仅 能够正确建模实际网络中1/3的调控关系;ROC曲线对比表明在各个后验概率水平上高阶动态贝叶斯网络模型的效果均优于经 典动态贝叶斯网络。结论：本文提出的高阶动态贝叶斯网络模型能够精确学习建模具有异步多时延表达调控关系的基因调控网 络。     

动态神经元网络模型的复杂性问题

在动态神经元网络模型中,当神经元总数仅为３时就观察到了非周期振荡。运用Ｌｅｍｐｅｌ和Ｚｉｖ提出的复杂性度量对这种现象进行了分析,结果表明对于其中一个神经元所发出的脉冲序列来说,至少直到１０００个脉冲为止还不能发现任何的周期性,并且其复杂性可以和由ｌｏｇｉｓｔｉｃ映射所产生的时间序列当其参数落在混沌区中时所具有的复杂性相比拟．这些结果也表明这种方法是所观察的时间范围内区分长周期振荡和非周期活动的好方法。结果还提示神经生理实验记录中所谓的噪声,其中有些可能是来源于生物神经元本身的非线性性质。     

基于CLUE-S模型的广州市土地利用格局动态模拟

选取海拔、坡度、到河流距离、铁路距离等21个驱动因子,利用CLUE-S模型对广州市土地利用格局进行模拟,模拟结果与实际土地利用的Kappa系数为0.8014,具有较高可信度。利用模型对2010年广州市土地利用格局进行预测,模拟结果表明,耕地和水域分布主要受地形因素的影响,而林地受海拔高度影响更为明显。根据预测,2005—2010年广州市土地利用斑块数增加,土地利用格局进一步破碎化;土地利用斑块形状复杂程度降低,趋于简单;多样性指数略有升高。     

基于智能体模型的土地利用动态模拟研究进展

土地利用动态变化是全球变化和可持续发展研究的基础,对区域水循环、大气循环、环境质量、气候变化及陆地生态系统生产力等具有重要影响,也是造成生物多样性衰减的最主要原因.目前,建立于复杂性科学基础上的的智能体模型(ABM)成为土地利用动态模拟的重要方法.智能体模型能模拟个体或群体的行为及决策模式,从而能将政府、城市规划、房地产开发商、住户等社会群体及个人对土地利用产生的影响进行模拟,同时能对不同社会经济政策对土地动态影响进行模拟.智能体模型在元胞自动机基础上,加入了人为因素的智能体概念,从而能更好地模拟土地动态.在分析总结了智能体模型的相关概念和组织结构,并分析了其在土地利用动态、城市动态模拟及生态过程模拟等方面的应用与元胞自动机的关系,比较了常用的智能体模型的主要软件,最后概括了智能体模型优点、发展趋势及存在的主要问题.