功能磁共振数据处理方法研究

《功能磁共振数据处理方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南京航空航天大学硕士学位论文功能磁共振数据处理方法研究姓名：周卉芬申请学位级别：硕士专业：生物医学工程指导教师：陈春晓20070101南京航空航天大学硕士学位论文摘要功能磁共振成像是近年来发展起来的一种探测脑内功能活动的新技术。它结合了功能、影像和解剖三方面的因素，是一种在活体人脑中定位各功能区的有效方法。它具有诸多优势，如无创伤性、无放射性、具有较高的时间和空间分辨率、可多次重复操作等。因此，功能磁共振成像已成为现今进行脑科学和生命科学研究的重要工具。随着功能磁共振成像技术的发展，许多脑功能成像数据处理方法应运而生，并取得了不

2、少成果。目前，功能磁共振数据处理方法可分为模型驱动和数据驱动两大类，本文主要研究了基于数据驱动的处理方法来提取磁共振图像中的脑激活区。本文对基于数据驱动的独立成分算法(ICA)和时间簇分析法(TCA)进行了深入的研究。设计构造了磁共振成像的仿真数据，对独立成分分析中的Infomax算法和FastICA算法进行了仿真验证，实验结果令人满意。用视觉刺激数据对两种算法进一步验证，并将实验结果与SPM软件的处理结果进行比较，结果良好。并从时间准确性，空间准确性等方面对这两种算法进行了分析比较。研究了时间簇分析方法中的原始时间簇分析方法(

3、OTCA)和改进时间簇分析方法(MTCA)，并在此基础上提出了基于邻域相关的时间簇分析方法。该方法克服了目前TCA算法中对噪声非常敏感的缺陷，能有效地减少噪声对功能激活区检测的影响。文中通过模拟数据和真实数据对OTCA、MTCA及基于邻域相关的TCA算法进行了仿真实验，并对实验结果进行比较。结果显示，基于邻域相关的TCA算法更加有效。关键词：功能磁共振，SPM，数据驱动方法，独立成分分析，时间簇分析i功能磁共振图像处理研究AbstractFunctionalmagneticresonanceimaging(fMRI)isanew

4、technologywhichisdevelopedtoexplorethefunctionalactivitiesofbraininrecentyears.Ittakesthreeelementsintoconsiderationsuchasfunction,image,andanatomy.Itisaneffectiveapproachtoorientateeachfunctionalregionofthelivingbodyinhumanbrain.fMRIisakindofnon-invasiveandnon-radia

5、lizedtechnologyandithashightemporalandspatialresolutionandcanbeoperatedrepeatedlyaswell.Therefore,fMRIhasalreadybecomeanimportantmethodtodaytodoresearchesonbrainandlifesciences.WiththedevelopmentoffMRItechnology,alotoffMRIdataprocessingtechniqueshavebeenpresentedandl

6、otsofachievementshavebeenreached.Atpresent,fMRIdataprocessingtechniquesincludetwotypes:model-drivenanddata-driven.ThispapermainlystudiestoextractthebrainactiveregionsofthefMRIonthebasisofthedata-drivenprocessingmethod.Somein-depthstudiesonindependentcomponentanalysis

7、(ICA)andtimeclusteranalysis(TCA)basedondata-drivenmethodarediscussedinthispaper.SimulationdataoffMRIaredesignedtosimulateandverifyInfomaxandFastICAalgorithmsofICAandtheexperimentalresultsaresatisfactory.Thesetwoalgorithmsarefurthertobeverifiedbyactivatingdatawithvisi

8、onandtheresultsaregoodcomparingwiththoseobtainedbyprocessingusingSPMsoftware.Additionally,InfomaxalgorithmandFastICAalgorithmarecom