基于fMRI-ICA方法的海员出海前后脑功能连通性检测及应用研究

心理不良已成为海员常见的职业病。本项目运用功能磁共振成像技术(fMRI)和独立成分分析方法(ICA)，来研究不同等级心理不良状况的海员出海前后脑功能连通性。主要内容包括：（1）通过对标准ICA方法目标函数的扩展，发展目标函数能同时吸收源信号时间和空间多种规则性先验知识的ICA脑功能连通性检测方法；（2）在原有最大均值相关方法的基础上，引进独立成分空间信息参数，发展多参数的独立成分排序选择方法；（3）发展ICA组分析框架，并以此为指导，研究和抽取海员各种有效的脑功能连通网络及其有效识别特征；（4）运用支持向量机对海员各种对照组进行模式分类，并在此基础上，研究一种海员定量性的心理状况测评标准及寻求建立一套航运安全作业预警机制。本项目研究将为发展脑功能连通性检测方法、促进海员身心健康和航运作业安全产生积极意义。该项目的成功实施可望给港航企业人力资源管理及航运作业安全管理提供定量性的决策参考依据。

功能磁共振成像(functional Magnetic Resonance Imaging，fMRI)是一种新型的结合了功能、解剖和影像三方面信息的脑成像技术。依托于fMRI技术，众多研究已经表明人脑功能连通性改变能有效揭示对照脑认知状态的差异性。海员长期海上作业容易滋生心理不良，长此以往可能造成脑功能连通性的改变。故而，采用fMRI技术建模海员脑功能连通性，将有助于探索一种有效的海员心理测评标准和一套航运安全作业的预警机制。基于此，本项目依次展开了以下四方面研究：(1)脑功能网络连通性检测方法研究。针对独立成分分析(independent component analysis，ICA)在其模型中未引入时空先验知识等不足，提出了多种有效的脑功能连通性检测模型，例如：SACICA，WASICA，GICA-IR，BNEM，PGICA,ATGP-ICA等; (2)独立成分排序选择方法研究。针对ICA生成的独立成分数量大、噪声成分与功能成分共存，感兴趣成分不易凸显等问题，首先提出了Fast-FENICA模型去除噪声成分并凸显脑功能网络；进一步，提出了一种改进型基于功率谱的未知频率独立成分排序方法，通过对刺激模式的频率进行估计，实现对脑功能网络的有效排序; (3)海员脑功能网络连通性研究。基于前文的研究，提出了基于典型相关的脑功能网络构建方法，探究了海员脑功能连通性，结果表明海员被试与非海员被试对照组的脑功能网络或某些复杂网络特征(例如：聚类系数，全局效率等)存在显著差异; (4)航运安全作业预警机制研究。针对海员与亚健康海员心理难于区分等问题，首先提出一种双重支持向量机模型对海员组进行模式分类，实现了海员心理健康状况有效分级。进一步，提出了基于独立成分指纹和支持向量机的海员心理状况评估方法，成功检测出海员被试中的心理异常海员。本项目的研究不仅丰富与发展了脑功能网络连通性检测方法，还形成一套海员心理亚健康预警系统，将有助于从海员心理健康角度形成一种航运安全作业预警机制，对促进海员心理健康和安全航运作业安全有着积极意义。

内容获取失败，请点击重试