本文關(guān)鍵詞：獨(dú)立成分分析算法應(yīng)用于功能磁共振成像數(shù)據(jù)中，由筆耕文化傳播整理發(fā)布。

【摘要】：人類的大腦是非常復(fù)雜的，多年來人們一直試圖了解它。發(fā)展的腦成像技術(shù),使人們對(duì)大腦的研究已經(jīng)從最初的解剖定位發(fā)展到大腦活動(dòng)基本過程進(jìn)一步檢測(cè)。功能性磁共振成像(fMRI)是二十世紀(jì)九十年代發(fā)展起來的一種基于血氧水平依賴成像技術(shù)和血流敏感性的技術(shù)。功能性磁共振成像已無輻射、無創(chuàng)傷性、高分辨率、時(shí)間和空間可以重復(fù)操作,和許多其他的優(yōu)勢(shì)。所以近年來,它已經(jīng)成為研究大腦的方式行動(dòng)的首選方法。本文主要是使用一個(gè)新的獨(dú)立分量分析方法分析到功能磁共振成像數(shù)據(jù)。 之前的對(duì)功能磁共振成像數(shù)據(jù)進(jìn)行的研究都是在時(shí)間序列預(yù)先知道的情況下,使用相關(guān)分析得到大腦的激活區(qū)。如果大腦收集時(shí)間序列未知,激活大腦及其影響因素是未知的,所以這意味著信號(hào)源和混合矩陣是未知的,這是典型的盲源分離問題。解決盲源分離問題,我們可以選擇最常用的獨(dú)立分量分析方法。通過獨(dú)立分量分析的方法對(duì)功能磁共振成像數(shù)據(jù)進(jìn)行混合分離并提取與任務(wù)相關(guān)的成分。 本文首先介紹了用獨(dú)立成分分析方法處理fMRI數(shù)據(jù)的一些估計(jì)算法；通過介紹常用的FastICA算法引進(jìn)了一種新的算法---------基于峭度的RobustICA算法；按實(shí)驗(yàn)?zāi)康脑O(shè)計(jì)了相關(guān)的實(shí)驗(yàn)，在得到數(shù)據(jù)后對(duì)fMRI數(shù)據(jù)進(jìn)行了數(shù)據(jù)分析和處理。本文用SPM軟件對(duì)數(shù)據(jù)進(jìn)行了預(yù)處理；分別用獨(dú)立成分分析方法（RobustICA算法和FastICA算法對(duì)fMRI數(shù)據(jù)進(jìn)行了成分的分離。通過和FastICA算法對(duì)數(shù)據(jù)的分析比較發(fā)現(xiàn)，，新的算法較以前常用的FastICA算法在某些有了很大的改進(jìn)，其優(yōu)點(diǎn)有以下幾點(diǎn)：1）該算法可以提升當(dāng)信號(hào)存在壞點(diǎn)時(shí)的魯棒性。2）該算法在一定的程度上適當(dāng)?shù)奶岣吡擞?jì)算的速度。3）用新的算法結(jié)合組成分分析方法對(duì)成組的fMRI數(shù)據(jù)進(jìn)行了分析，發(fā)現(xiàn)有明顯的優(yōu)勢(shì)。
【關(guān)鍵詞】：核磁共振成像 盲源分離 獨(dú)立成分分析 RobustICA算法
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：R310
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 第1章 緒論10-17
• 1.1 課題背景和意義10-11
• 1.2 本文研究領(lǐng)域現(xiàn)狀11-15
• 1.2.1 國(guó)外研究現(xiàn)狀12-13
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀13-15
• 1.3 本文主要研究的內(nèi)容和方法15
• 1.4 文章結(jié)構(gòu)安排15-16
• 1.5 本章小結(jié)16-17
• 第2章 功能磁共振成像17-21
• 2.1 FMRI 簡(jiǎn)介17
• 2.2 FMRI 的物理基礎(chǔ)17-18
• 2.3 FMRI 的原理18-19
• 2.4 fMRI 的應(yīng)用19-20
• 2.5 功能磁共振成像的特點(diǎn)20
• 2.6 本章小結(jié)20-21
• 第3章 獨(dú)立成分分析算法21-26
• 3.1 獨(dú)立成分分析算法的簡(jiǎn)介21
• 3.2 獨(dú)立成分分析的基本模型21-25
• 3.2.1 極大化非高斯性的 ICA 估計(jì)方法21-22
• 3.2.2 極小化互信息的 ICA 估計(jì)方法22-23
• 3.2.3 基于張量的 ICA 估計(jì)方法23
• 3.2.4 ICA 的極大似然估計(jì)方法23-24
• 3.2.5 基于非線性去相關(guān)和非線性 PCA 的 ICA 估計(jì)方法24-25
• 3.3 本章小結(jié)25-26
• 第4章 一種新的算法——基于峭度的 RobustICA26-38
• 4.1 幾種常用算法的回顧26-28
• 4.1.1 FASTICA 的回顧26-27
• 4.1.2 INFORMAX 算法27-28
• 4.2 RobustICA 算法28-32
• 4.2.1 RobustICA 算法的理論研究28-29
• 4.2.2 ROBUSTICA 算法29-32
• 4.3 RobustICA 算法的優(yōu)點(diǎn)32-33
• 4.4 實(shí)驗(yàn)結(jié)果分析33-36
• 4.5 本章小結(jié)36-38
• 第5章 RobustICA 算法在 fMRI 數(shù)據(jù)中的應(yīng)用38-47
• 5.1 fMRI 實(shí)驗(yàn)設(shè)計(jì)的模式38-41
• 5.1.1 實(shí)驗(yàn)方案39
• 5.1.2 受試者的選擇39-40
• 5.1.3 實(shí)驗(yàn)儀器的參數(shù)設(shè)置40
• 5.1.4 實(shí)驗(yàn)前的準(zhǔn)備工作40-41
• 5.2 數(shù)據(jù)預(yù)處理（SPM）41-43
• 5.2.1 SPM 簡(jiǎn)介41
• 5.2.2 利用 SPM 處理 fMRI 數(shù)據(jù)41-43
• 5.3 實(shí)驗(yàn)的結(jié)果與對(duì)比分析43-46
• 5.3.1 RobustICA 和 FastICA 算法處理 fMRI 數(shù)據(jù)43-44
• 5.3.2 提取成分分析44-46
• 5.4 本章小結(jié)46-47
• 第6章 新的算法結(jié)合 GROUPICA 分析 fMRI 數(shù)據(jù)47-50
• 6.1 GROUPICA 方法的意義47
• 6.2 GROUPICA 的幾種方法47-48
• 6.3 RobustICA 算法結(jié)合 GROUPICA 處理 fMRI 數(shù)據(jù)48-49
• 6.4 實(shí)驗(yàn)結(jié)果及分析49
• 6.5 本章小結(jié)49-50
• 第7章 結(jié)論與展望50-52
• 7.1 本文小結(jié)50
• 7.2 對(duì)今后工作的展望50-52
• 參考文獻(xiàn)52-56
• 作者簡(jiǎn)介及在學(xué)期間所取得的科研成果56-57
• 后記和致謝57

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前6條

1 范麗偉,唐煥文,唐一源;獨(dú)立成分分析應(yīng)用于fMRI數(shù)據(jù)研究[J];大連理工大學(xué)學(xué)報(bào);2003年04期

2 汪軍;基于高階譜的信號(hào)盲分離[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);1996年05期

3 劉琚,梅良模,何振亞;一種盲信號(hào)分離的信息理論方法[J];山東大學(xué)學(xué)報(bào)(自然科學(xué)版);1998年04期

4 武振華,史振威,唐煥文,唐一源;新的獨(dú)立成分分析算法實(shí)現(xiàn)功能磁共振成像信號(hào)的盲分離[J];生物物理學(xué)報(bào);2004年03期

5 王娟,羅述謙;獨(dú)立變量分析及其在腦功能可視化中應(yīng)用[J];系統(tǒng)仿真學(xué)報(bào);2001年S2期

6 吳小培,詹長(zhǎng)安,周荷琴,馮煥清;采用獨(dú)立分量分析方法消除信號(hào)中的工頻干擾[J];中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào);2000年06期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前5條

1 朱連云;獨(dú)立成分分析在fMRI數(shù)據(jù)處理中的應(yīng)用[D];浙江大學(xué);2008年

2 楊竹青;獨(dú)立成分分析及在fMRI腦圖像序列中的應(yīng)用[D];國(guó)防科學(xué)技術(shù)大學(xué);2002年

3 潘麗麗;獨(dú)立成分分析及其在腦功能磁共振成像中的應(yīng)用[D];大連理工大學(xué);2005年

4 權(quán)松民;獨(dú)立成分分析方法在兒童鎮(zhèn)靜狀態(tài)下視覺刺激fMRI中的應(yīng)用[D];中國(guó)醫(yī)科大學(xué);2006年

5 趙陶鈺;獨(dú)立成分分析算法在fMRI數(shù)據(jù)中的應(yīng)用[D];太原理工大學(xué);2012年

  本文關(guān)鍵詞：獨(dú)立成分分析算法應(yīng)用于功能磁共振成像數(shù)據(jù)中，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：261260