基于小波变换的功能磁共振图像时间序列分步去噪

《基于小波变换的功能磁共振图像时间序列分步去噪》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。基于小波变换的功能磁共振图像时间序列分步去噪　　摘要：　　功能磁共振图像数据中反映大脑神经活动的感兴趣信号常受到结构噪声和随机噪声的影响。为消除上述噪声对分析激活体素的影响，对经过SPM标准预处理的体素时间序列进行Activelets小波变换，并在得到尺度系数及细节系数后，针对两类噪声的不同特点进行分步去噪。第一步，在受结

2、构噪声影响的尺度系数上，选用独立成分分析去识别并消除结构噪声源；第二步，提出一种改进的空域相关去噪算法在细节系数上对信号进行处理。值得注意的是，该算法利用邻域体素之间的相似性，判定所处位置的细节系数反映噪声还是神经活动。实验结果表明，经过这两步处理的数据可有效消除噪声的影响，其中框架位移减少了，尖峰百分比减少了2%，此外由去噪后的信号获得的脑激活图中一些明显的伪激活区得到抑制。　　关键词：　　功能磁共振图像；去噪；结构噪声；随机噪声；小波变换　　中图分类号：　　　　文献标志码：A为了充分发挥“教学

3、点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　Abstract：　　Theneuralactivitysignalofinterestisofteninfluencedbystructuralnoi

4、seandrandomnoiseinfunctionalMagneticResonanceImagingdata.Inordertoeliminatenoiseeffectsintheanalysisofactivatevoxels，thetimeseriesofvoxelspreprocessedbyStatisticalParametricMappingweretransformedbyActiveletswavelet.Aftergettingscalecoefficientanddetai

5、lcoefficient，thetwokindsofnoisedenoisedwereeliminatedseparatelyaccordingtotheircorrespondingcharacteristics.Firstly，theIndependentComponentAnalysiswasusedtoidentifyandeliminatethestructuralnoisesources.Secondly，animprovedalgorithmforspatialcorrelation

6、waspresentedonthedetailcoefficient.Inparticular，intheimprovedalgorithm，thevoxelsimilarityintheneighborhoodwasusedtodeterminewhetherthedetailcoefficientreflectedthenoiseortheneuralactivity.Experimentalresultsshowthattheprocessingofdataeffectivelyelimin

7、atetheeffectofnoise；specifically，theframedisplacementdecreasedbyandthepercentageofspikesdecreasedby2%；in为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校

8、组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。addition，thefalseactivationregionsareobviouslyrestrainedinthespatialmapgotbydenoisedsignals.　　英文关键词Keywords：　　functionalMagneticResonanceImaging；denoising；structuralnoise；randomnoise；wavelettransform　　0引言　　功能