空间独立成分分析实现fMRI信号的盲源分离
钟明军[1] 唐一源[2] 等
[1]大连理工大学计算生物学与生物信息学研究所,辽宁大连116023 [2]大连理工大学神经信息学研究所,辽宁大连116023
摘 要:
独立成分分析（ICA）在功能核磁共振成像（fMRI)技术中的应用是近年来人们关注的一个热点。简要介绍了空间独立成分分析（SICA）的模型和方法，将fMRI信号分析看作是一种盲源分离问题，用快速算法实现fMRI信号的盲源分离。对fMRI信号的研究大多是在假定已知事件相关时间过程曲线的情况下，利用相关性分析得到脑的激活区域。在不清楚有哪几种因素对fMRI信号有贡献、也不清楚其时间过程曲线的情况下，用SICA可以对fMRI信号进行盲源分离，提取不同独立成分得到任务相关成分、头动成分、瞬时任务相关成分、噪声干扰、以及其它产生fMRI信号的多种源信号。 (共5页)
相关期刊
关注本文的人:
看过本文的人还看过:
cqvip.com