科学家深度解析脑功能联接图谱

(记者黄鑫)中国科学院上海神经科学研究所王政研究组利用大脑宏观功能连锁图中隐含的结构信息，为研究大脑图像中的学生标记提供了一种新方法。相关的研究结果最近发表在国际学术期刊《医学影像》的网上。

近年来，机器学习在人工智能、互联网等领域取得了突破性进展，并越来越多地应用于解决生物医学问题。机器学习分类算法不仅可以识别出正常人和患者脑网络中具有区分信息的生物标志物，还可以分析临床精神药物和安慰剂干预对脑活动的差异生物标志物。目前，传统的机器学习算法仍主要用于判别生物标志物的研究。然而，这种通用算法往往忽略了具体问题中隐含的结构信息，导致数据分类和判别的敏感性和特异性都不理想。

在研究员王政、博士后研究员浦健、阿里巴巴西雅图数据中心王骏等的指导下。近年来提出了一种利用宏观脑联系图的图论研究成果来最小化结构正则损失函数的方法，使得算法在求解过程中更倾向于自动定位具有特定结构的判别信息，并过滤掉与生物噪声等相关的孤立特征。

研究团队在计算机生成模拟数据集上的测试算法得到的结果明显优于单变量统计测试、逻辑回归和随机算法。同时，基于恒河猴的磁共振脑功能连锁图谱数据，区分了快速抗抑郁药氯胺酮和安慰剂对脑功能网络的调节特点，有助于深入了解氯胺酮的抗抑郁机制。研究人员还将该算法应用于临床重度强迫症患者和正常对照组的脑功能连接图分析，挖掘出与强迫症病理相关的区别性神经环路特征，有助于促进磁共振成像结果在精神疾病临床诊断中的应用。

中国科学新闻(2015-06-11，第一版集锦)