资源描述：
《最新脑功能磁共振成像技术幻灯片.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、脑功能磁共振成像技术研究的主要方向独立成份分析理论，算法和应用研究。fMRI脑高分辩成像的技术研究。fMRI图像配准技术的研究。fMRI的血流动力学模型的研究。fMRI数据处理方法研究，重点是ICA在fMRI的应用研究。基于fMRI的脑功能定位技术及应用研究。1.ICA模型X=As设无噪声信号模型为A为信号混合矩阵,x是N维观测信号向量,s是M(N>M)维原始信号向量。（3）极大似然估计判据当N足够大时，其对数似然概率收敛于它的期望式可改写为：极大似然估计的目的是通过对观测模型式x=As进行估计，得到潜在的信号S,利用即，可通过极大似
2、然估计判据提取独立成份（6）（7）（8）(1)成对旋转法：利用Givens旋转,将中的独立成份两两成对旋转直到独立性判据目标函数收敛为止(2)固定点算法:(i)（四阶累积量）（3）自然梯度学习算法(ii)Newton法3.常用ICA算法（9）（10）（11）原始信号混合信号ICA分离信号4.ICA算法仿真实例：5.ICA理论研究方向（1）固定点算法（2）非线性ICA研究（3）噪声ICA研究（4）overcompleteICA研究（5）子空间ICA研究6.ICA应用研究(1)信号分离(2)图像去噪(3)EEG数据分离(4)fMRI数据处
3、理7.本实验室取得的成就(1)提出了基于互信息极理论的ICA梯度算法，并用于分离癫痫EEG信号Y.XuD.Yao,,ChineseJournalofBiomedicalEngineering,陈华富，尧德中，信号处理,2001)）癜痫EEG数据ICA分离成份(2)提出了基于互信息理论的ICA信息极大快速算法，并用于混合图像分离（陈华富，尧德中，信号处理,2001)原始图像ICA分离图像仿真实验方法：通过二维图像与一维信号的相互转化再ICA分离混合图像ICA分离图像(3)提出了基于固定点和梯度优势互补的组合算法及在fMRI中的应用(Ch
4、enH,YaoD.ICCCAS2002）(4)提出图像ICA分离理论和BFGS算法1)图像仿真实验Chen,YaoetalNeurocomputingsubmitted5）图像ICA在fMRI中的应用数据模型分离图像脑功能定位(a)Referencestructuralimage(b)Non-registeredstructuralimage6)ImageRegistrationAlgorithmAProjectionBasedImageRegistration(IEEEtrans.OnMedicalImage.(submit))(a
5、)Non-registrationimage(b)RegistrationimageImageregistrationinSNR25%(a)FMRIresultbeforeregistration.(b)FMRIresultafterRegistration.Application(7)对功能磁共振（fMRI）数据用小波变换去噪(陈华富，尧德中，信号处理,2001)8.AnalysisepilepticEEGsignalsbyWavelet(Chenetal,ICCAS2002(9)ICA分离fMRI数据中的脑功能活动成份相关系数：0
6、.4344,0.4612,0.0841,0.5039.陈华富,尧德中,生物医学工程学杂志.(2002).DYao,HchenIEEECanadianCoferenceonElectricalandcomputerEngineering2001相关法的fMRI成像结果相邻两体元ICA—相关法的fMRI成像结果（10）基于fMRI时-空模型的ICA数据处理方法SIM（Mckenown,1998)TIM(Chen,Yaoetal,scienceinchina2002)Chen,Yaoetal.HumanBrainMapping,submit
7、ted1)fMRI数据体描述2)SIM及独立成份分析法示意图ThealgorithmprocessofSIMIllustrationofSIM4）基于SIM的ICA方法对不同步兴奋的成像效果5）基于TIM的ICA方法对不同步，同步兴奋的成像效果3）基于SIM的ICA方法对同步兴奋的成像效果6)邻域独立成份相关算法TIM--示意图7）TIM-邻域相关法处理实际fMRI数据的结果(实验一）阈值0.45(阈值0.55)8）邻域相关法实验二的fMRI结果阈值为0.43Thelightpointsillustratetheactivationa
8、reas.denotessectionserialnumber9)ImagingresultsofauditorystimulationfMRIdata11.DetectingBrainActivitiesfromfMR
