独立成分分析在fmri数据处理中的应用.doc

独立成分分析在fMRI数据处理中的应用


1.84万字 39页 原创作品，已通过查重系统


摘要 功能磁共振成像(functional magnetic resonance imaging，fMRI)是近几年发展起来的一种新的非介入性研究脑功能的成像技术，出现于20世纪90年代初期，广泛应用于临床和科学研究。fMRI大多是基于血氧水平依赖(blood oxygenation level dependent，BOLD)的认知功纳像。当大脑皮层的特定区域接收到感官刺激，进行智力活动或受到药物的作用时，fMRI通过测量血氧含量中合氧血红蛋白和脱氧血红蛋白的比率变化引起的大脑局部组织的磁化率变化信号，来反映相关的大脑功能活动变化。如果假设大脑所采集的时间序列是未知的激活脑区的因素及其影响也是未知的那么这就意味着信号源和混合矩阵是未知的这是典型的盲源分离问题。要解决盲源分离问题我们就可以选择最常用的独立成分分析方法。通过独立成分分析方法对fMRI混合数据进行分离并提取相关成分。
本文首先介绍了 fMRI的原理、特点；对目前国际上流行的脑成像数据处理软件SPM(Statistical Parametric Mapping)，探讨了它的数学基础，给出了SPM中利用一般线性模型(General Linera Model，GLM)构建统计参数图的方法：针对fMRI数据对GLM做了扩展，并推导了扩展的GLM的检验统计量和自由度；最后将扩展的GLM方法应用于一个具体的fMRI实验，结果表明方法是可行有效的。介绍了两种常用的ICA算法Infomax算法和Fixed-Point算法并对一组fMRI数据进行处理，并对分离的一致任务相关(Consistently Task-Related，CTR)信号比较其时间准确性；提出的另一种ICA算法—Orth-Infomax算法，用它和两种常用的ICA算法对多组fMRI数据进行处理，从时间准确性和信号的适合度做比较，表明新算法能够有效地处理fMRI数据，较前两种方法有明显优势。



关键词：核磁共振成像 盲源分离 独立成分分析 Orth—Infomax算法