欢迎来到天天文库
浏览记录
ID:10391539
大小:55.00 KB
页数:4页
时间:2018-07-06
《基于区域增长的ica算法在fmri数据处理上的应用探讨 》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、基于区域增长的ICA算法在fMRI数据处理上的应用探讨 3算法仿真与实际数据实验 3.1仿真实验 3.1.1仿真数据的产生仿真数据是按如下方式产生的:休息期间按幅值为100的均匀图像上叠加幅值从0到5随机分布的噪声,重复3次;激活期间,在以上基础上激活区域叠加幅值为2的激活值,重复3次.图片按激活、休息、激活、休息…,间隔设置,总共3×80=240幅图片(图2A). 3.1.2仿真的结果对上述的仿真数据,先用ICA分析法进行分析提取,对每次重复3次生成的3个图片中取出中间的图片,这样得到80张
2、刺激和休息间隔的数据体,对此数据进行ICA分析,得到的结果如图2B;然后用本文基于区域增长的ICA算法进行提取,结果如图2C所示.算法的提取效率以有效提取点数除总提取点数来计算,图2B所示ICA算法的有效提取率约为66.2%,图2C所示基于区域增长的ICA算法有效提取率约为62.7%. 图2仿真数据与两种算法提取结果(略) 实验的运行平台为IntelPentium(R)4CPU2.93GHz,内存为512M,Matlab6.5.两种算法处理运行的时间对比如表1.每一列表示同一次数据两种算法的ICA
3、处理时间,取5次实验的平均值.由表1知,本文ICA算法的处理速度明显快于原ICA算法. 表1两种算法处理的运行时间对比(略) 3.2实际fMRI数据处理 3.2.1实验数据描述实际fMRI数据由北京认知科学开放实验室在北京医院采集,研究脑神经功能的颜色和字意的冲突效益,定义脑神经中与颜色刺激相关的区域.实验任务设计为周期性的:刺激,休息,刺激,休息,其中红笔写绿字为刺激,绿笔写红字为刺激,细笔写红绿字为无关即休息.每次扫描收集的fMRI数据体有25个断面,每个断面有64×64个体元.实验时周期性
4、地选择80个扫描图片.每个扫描图片取相同位置的三个断面.本实验设定的研究颜色冲突效益可定位大脑神经中哪部分神经与视觉的颜色刺激有关,这对于色盲等症状的治疗是很有意义的. 3.2.2本文算法描述及实际fMRI数据处理结果在实验时,我们从扫描图片中取出第12到第14这3层作为一个空间整体,选择扫描图片的顺序为:刺激、休息、刺激、休息、…,共取80个扫描图片,组成80个采样点的时间序列. 首先采用区域增长法对原始数据作预处理.取3层中的第2层为基准,先将某点及其空间相邻的26点与平均时间序列作相关,经两
5、次阀值筛选后可判断这点是否可能是激活点.对于明显不是激活的点则不进行ICA算法. 图3A是本文基于区域增长的ICA算法所得到的fMRI图像,亮点表示由刺激引起的脑区兴奋的体元区域.图3B是未采用数据预处理的ICA分析法得到的成像结果.由实验结果可知,两种方法提取的激活区域(右下侧亮点区域)是一致的,符合由视觉刺激引起的脑区兴奋主要位于枕叶外侧视觉功能区的生理学事实.图3A,B中其他区域可能是被实验者其他活动(如头动等)所产生的噪声信号.由图知,本文基于区域增长的ICA算法成像结果(图3A)的信噪比明
6、显优于ICA算法的成像结果(图3B). 4结束语 fMRI是进行脑功能成像的新手段,其数据处理方法还不完善.相关系数法简单实用,但效果并不理想.ICA法计算复杂.我们基于区域增长的ICA算法较简单的相关系数法在脑功能信号的提取上有极大的改善,较ICA分析法计算复杂度明显降低.用区域增长法处理后,消除了大部分明显不是激活的区域,降低了ICA算法计算的复杂性,提高了计算速度.最后实际数据的提取结果表明,本文算法有一定积极的意义. 图3两种算法的成像结果(略) 基于fMRI的脑功能信号的提取在本质上
7、是一个弱信号提取问题,其依据在于功能信号与背景噪声在统计特性方面的差异.在现有的方法中,ICA作为一种基于高阶统计量的方法,是对信号与噪声差异的更深层次的把握.区域增长法作为图像处理领域的一个方法,如何进一步地应用在脑功能信号提取上还有待于我们去研究. 致谢刘玉生教授对英文翻译和刘奇教授对数据统计的修改. 【【关键词】脑;功能磁共振成像;独立成分分析;区域增长;BOLD Applicationofindependentponentanalysisalgorithmbasedonregiongro
8、basedonregiongroagicresonanceimaging(fMRI)data.METHODS:Firstly,apreprocessingtothefMRIsignalethodedforsimplifyingthefMRIdata.Then,theICAalgorithmulationandrealfMRIdataexperimentshoethode(6.8534±0.0179)sto(1.6282±0.0435)s.CONCLUSI
此文档下载收益归作者所有