基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
独立分量分析(ICA)是信号处理领域新近发展起来的一种很有应用前景的方法,而脑功能磁共振(fMRI)信号的有效分离与识别是一个正在研究和实验之中的技术领域.近年来,ICA已被成功地应用于fMRI数据的处理,成为分析fMRI数据的一种很有效的方法.本文介绍了ICA在分析fMRI数据方面的应用,以及多种ICA算法在fMRI信号盲源分离中的应用,分析了三种算法的问题,给出了本人对此研究的展望.
推荐文章
新的ICA算法实现成组fMRI信号盲分离
独立成分分析
盲源分离
功能磁共振成像
BOLD-fMRI在视觉研究中的应用
磁共振成像
脑功能
视觉通路
视皮层
基于随机森林算法的特征选择及在 fMRI数据中的应用
分类识别
特征提取与选择
随机森林
fM RI数据
DE-ICA优化算法在工作模态参数识别的应用
参数识别
工作模态
独立成分分析
差分进化
随机寻优策略
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 ICA算法在fMRI中的应用
来源期刊 计算机工程与科学 学科 工学
关键词 ICA fMRI 空间独立分量分析算法 Orth-Infomax算 Group ICA算法
年,卷(期) 2008,(10) 所属期刊栏目 算法研究
研究方向 页码范围 37-39
页数 3页 分类号 TN911.7
字数 3389字 语种 中文
DOI 10.3969/j.issn.1007-130X.2008.10.013
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张桂芸 天津师范大学计算机与信息工程学院 31 148 7.0 11.0
2 公昱文 天津师范大学计算机与信息工程学院 1 7 1.0 1.0
3 马洪芝 天津师范大学计算机与信息工程学院 1 7 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (69)
共引文献  (22)
参考文献  (8)
节点文献
引证文献  (7)
同被引文献  (7)
二级引证文献  (3)
1991(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(3)
  • 参考文献(1)
  • 二级参考文献(2)
1994(3)
  • 参考文献(0)
  • 二级参考文献(3)
1995(5)
  • 参考文献(0)
  • 二级参考文献(5)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(10)
  • 参考文献(0)
  • 二级参考文献(10)
1999(9)
  • 参考文献(0)
  • 二级参考文献(9)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2001(11)
  • 参考文献(0)
  • 二级参考文献(11)
2002(12)
  • 参考文献(1)
  • 二级参考文献(11)
2003(6)
  • 参考文献(2)
  • 二级参考文献(4)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(2)
  • 引证文献(0)
  • 二级引证文献(2)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
ICA
fMRI
空间独立分量分析算法
Orth-Infomax算
Group ICA算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与科学
月刊
1007-130X
43-1258/TP
大16开
湖南省长沙市开福区德雅路109号国防科技大学计算机学院
42-153
1973
chi
出版文献量(篇)
8622
总下载数(次)
11
总被引数(次)
59030
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导