基于fMRI腦功能網(wǎng)絡(luò)的分析方法研究
發(fā)布時間:2020-12-29 00:56
人類的大腦是世界上最復(fù)雜最精密的“機(jī)器”,雖然人類對大腦依舊知之甚少,但是人類依舊孜孜不倦地探索著大腦的奧秘,并且取得了一定的成果。目前,能夠無創(chuàng)性探究大腦的功能磁共振成像技術(shù)已經(jīng)成為研究人體大腦工作的主要手段之一。同時在神經(jīng)科學(xué)、認(rèn)知科學(xué)乃至腦科學(xué)等多個領(lǐng)域中,不再局限于人類大腦的運(yùn)動、感知、聽覺與視覺等方面的探索,而是延伸至對人類的認(rèn)知、思維、情感、心理等方面的研究。同時,功能磁共振成像(functional magnetic resonance imaging)主要還應(yīng)用于臨床醫(yī)學(xué)診斷等。本文對f MRI腦功能網(wǎng)絡(luò)分析方法進(jìn)行了研究,具體工作如下:首先通過研究用于f MRI數(shù)據(jù)預(yù)處理的Fast ICA算法,采用了一種基于修正白化矩陣的改進(jìn)的Fast ICA算法。文中通過Matlab軟件對Sim TB工具箱產(chǎn)生的模擬f MRI數(shù)據(jù)進(jìn)行了仿真實(shí)驗(yàn),證實(shí)了兩種算法對于分離f MRI原信號的有效性。同時,通過對比常規(guī)的Fast ICA算法和所改進(jìn)的Fast ICA的估計(jì)精度,采用分析信號降噪精度評價指標(biāo)有均方誤差(RMSF)、信噪比(SNR)來進(jìn)行對比驗(yàn)證,證實(shí)了采用所改進(jìn)的Fast I...
【文章來源】:昆明理工大學(xué)云南省
【文章頁數(shù)】:75 頁
【學(xué)位級別】:碩士
【部分圖文】:
螞蟻堆積尸體的實(shí)驗(yàn)過程
AAL90模板名稱
記為 mixed signal 3; 取出 X_mixed 中的 13到 16 行數(shù)據(jù),組成一個 1x256維的矩陣,記為 mixed signal 4; 取出 X_mixed 中的 17到 20 行數(shù)據(jù),組成一個 1x256維的矩陣,記為 mixed signal 5。如圖 3-2 為所取得的 5 路仿真信號圖。從圖 3-2中可以看出,混合后的信號與源信號差異很大,我們無法辨別出源信號。圖 3-2 混合信號利用 Matlab 軟件分別采用常規(guī)的 FastICA 和文中所改進(jìn)的 FastICA 兩種算法對所得到的 5 路混合信號進(jìn)行信號分離,得到的結(jié)果如圖 3-3 和圖 3-4 所示。其中圖 3-3 為常規(guī)的 FastICA 算法所得到的結(jié)果,圖 3-4 為文中所改進(jìn) FastICA 算法所得到的結(jié)果。
本文編號:2944689
【文章來源】:昆明理工大學(xué)云南省
【文章頁數(shù)】:75 頁
【學(xué)位級別】:碩士
【部分圖文】:
螞蟻堆積尸體的實(shí)驗(yàn)過程
AAL90模板名稱
記為 mixed signal 3; 取出 X_mixed 中的 13到 16 行數(shù)據(jù),組成一個 1x256維的矩陣,記為 mixed signal 4; 取出 X_mixed 中的 17到 20 行數(shù)據(jù),組成一個 1x256維的矩陣,記為 mixed signal 5。如圖 3-2 為所取得的 5 路仿真信號圖。從圖 3-2中可以看出,混合后的信號與源信號差異很大,我們無法辨別出源信號。圖 3-2 混合信號利用 Matlab 軟件分別采用常規(guī)的 FastICA 和文中所改進(jìn)的 FastICA 兩種算法對所得到的 5 路混合信號進(jìn)行信號分離,得到的結(jié)果如圖 3-3 和圖 3-4 所示。其中圖 3-3 為常規(guī)的 FastICA 算法所得到的結(jié)果,圖 3-4 為文中所改進(jìn) FastICA 算法所得到的結(jié)果。
本文編號:2944689
本文鏈接:http://sikaile.net/linchuangyixuelunwen/2944689.html
最近更新
教材專著