基于靜息態(tài)功能磁共振成像（fMRI）構(gòu)建腦功能網(wǎng)絡(luò)是揭示人腦運(yùn)作機(jī)制的有效手段,但是目前常見的腦功能網(wǎng)絡(luò)普遍包含大量噪聲從而導(dǎo)致錯(cuò)誤的分析結(jié)果。本文使用壓縮感知中的最小絕對(duì)值收縮和選擇算子（LASSO）模型對(duì)腦功能網(wǎng)絡(luò)進(jìn)行降噪重建,該模型利用L1范數(shù)懲罰項(xiàng)的稀疏性避免過擬合問題。然后,通過快速迭代閾值收縮算法（FISTA）求解,該算法在每一次迭代中通過一個(gè)收縮閾值操作來更新變量,從而收斂到全局最優(yōu)解。實(shí)驗(yàn)結(jié)果表明:與其他幾種方法相比,該方法可以將腦功能網(wǎng)絡(luò)降噪重建的準(zhǔn)確率提高到98%以上,有效地抑制了噪聲,有助于即使在噪聲環(huán)境下也能很好地探索人腦的功能。 

【文章來源】：生物醫(yī)學(xué)工程學(xué)雜志. 2020,37(05)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

原始二值矩陣與含噪聲矩陣

不同正則化參數(shù)對(duì)應(yīng)的重建準(zhǔn)確率

迭代100次、200次后的二值矩陣


本文編號(hào)：3085129