摘要
因果关系作为一种抽象概念，意在表明事物之间如何发展。当前，世界各发达国家都在竞相启动各自的脑计划。尽管侧重点不同，但都致力于揭示大脑运作的基本机制，为临床相关脑疾病的诊断、干预和治疗提供帮助和手段，进而转化相关技术，以促进人类社会繁荣发展。揭示大脑运作、诊断大脑疾病、开发脑机智能技术，必然会涉及到需要确立功能脑网络的神经环路，而这就亟需构建大脑因果网络图谱。因此，因果关系的阐述对于脑科学领域相关研究具有重要意义。 作为目前研究脑因果连接的主流方法之一，自Granger因果分析（Grangercausalityanalysis,GCA）被引入脑科学以来，它在揭示功能脑网络中发挥着越来越重要的作用。当前，已有许多重要的Granger因果分析扩展方法被开发出来。然而，大多数这些发展仍然保留着原始Granger因果分析的两阶段方案，统称为传统Granger因果分析方法。即，在传统Granger因果分析方法中，对于模型结构的确立主要利用Akaike信息准则（Akaikeinformationcriterion,AIC）或贝叶斯信息准则（Bayesianinformationcriterion,BIC），而后其他脑区对自身脑区因果关系的确立，是通过统计F检验在候选模型空间中两两比较模型间估计残差来实现。这可能带来一系列的问题：（一）AIC/BIC准则与F检验分属不同的数学理论，不同理论框架下存在不同的选择标准，因此可能产生完全不一致的选择结果；（二）统计检验中置信水平的指定具有较强的主观性；（三）F检验最终结果依赖于初始模型的选择，以及模型空间中的搜索路径；（四）F检验要求不同分量间是独立高斯分布的，而在Granger因果模型中它们仅仅是近似独立高斯分布，这就使F检验的有效性随模型复杂度的增加而显著下降；（五）F检验通过两两比较构建因果连接模型，当考虑条件概率时，模型选择过程变得尤其复杂而费时。 综合这些考虑，本文提出了一种借助于最小描述长度（minimumdescriptionlength,MDL）原理的统一Granger因果分析方法（unifiedGrangercausalityanalysis,uGCA）。其中，MDL作为信息准则，其遵循奥卡姆剃刀原则，为模型选择问题提供了一个通用的解决方案。因此，统一Granger因果分析方法通过构建一个由描述长度指导的框架，将传统的两阶段方案合并统一。换言之，通过单一数学原理，本文建立了一个统一的模型选择指导框架，以解决传统Granger因果分析中的固有问题。主要研究内容分为以下几个部分： 1）基于MDL原理，本论文首次提出统一Granger因果分析方法，将其应用于功能脑网络研究。进一步，开发了几种基于不同编码方式的统一Granger因果分析方法。同时，本文还将条件因果的概念引入到统一Granger因果分析方法框架中。接下来，通过模拟数据实验，将统一Granger因果分析方法与传统Granger因果分析方法进行了对比。在涉及不同节点数目，不同数据长度，以及不同噪声水平上的对比实验中，揭示了统一Granger因果分析方法的明显优势。 2）验证统一Granger因果分析方法在fMRI真实数据上进行因果连接分析是否同样具备有效性。首先，对于fMRI数据能否揭示大脑真实神经耦合进行了实验验证。因此，本文设计了一个涉及不同刺激（听觉和视觉）的心算任务实验，分别通过动态因果模型（dynamiccausalmodeling,DCM）、传统Granger因果分析、统一Granger因果分析等方法进行因果识别，在个体水平上对比不同刺激下网络连接的相似度。结果显示，大多数受试者的心算网络连接具有高度一致性，这为验证fMRI数据能有效地揭示大脑真实神经耦合提供了一个间接证据。同时，验证了统一Granger因果分析方法在真实fMRI数据进行因果分析的有效性。 3）将大规模网络分析手段纳入到统一Granger因果分析方法框架中，通过涉及大规模的模拟数据和静息态fMRI数据，揭示了统一Granger因果分析方法在大规模网络分析的优势。另一方面，结合滑动窗口技术，提出了统一Granger因果分析方法动态扩展。在模拟数据中，通过缩短数据长度，证实了统一Granger因果分析方法的明显优势。同时结合心算fMRI数据，进一步将统一Granger因果分析方法与传统Granger因果分析方法做了进行对比和阐述。 4）借助泰勒近似展开思想，本文提出了统一非线性Granger因果分析方法。通过模拟数据实验和真实fMRI数据实验发现，随着噪声水平的增加，高阶项和交叉项非线性特征会先后被淹没。同时，结果也揭示了统一非线性Granger因果分析方法的优势。在涉及自闭症患者的静息态fMRI数据中，揭示了自闭症患者和正常人在社交功能脑网络上的区别。另一方面，本文将模型重构技术纳入统一Granger因果分析方法框架中，以找出更接近真实大脑反应的数据模型。 综上，本文主要通过提出一种新的统一Granger因果分析方法框架，并围绕该框架将不同的分析手段纳入其中，以完善整个因果分析框架。同时通过模拟数据实验，不同刺激下的心算任务实验，静息态下正常人和自闭症患者的fMRI数据等，验证了统一Granger因果分析方法的可行性和有效性，对fMRI数据能否揭示因果连接的争议性问题以及正常人和病人脑网络特征等等给出了进一步的阐述说明。最后探讨了本文所提出的统一Granger因果分析方法框架以及目前因果分析方法的不足和局限性，并指出该方法需要改进之处和进一步发展方向。
NETL