脑图像数据中的独立分量分析方法

• 作者: 陈俊杰 马斌
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 脑功能磁共振成像 独立分量分析 一致任务相关成分 正交信息极大化算法 源信号 线性相关
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 205-207
• 页数: 3页
• 分类号: TP393.41
• 字数: 2666字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.03.043

摘要

针对脑功能磁共振成像在处理数据时空间维数较大的问题，提出一种空间独立分量分析(ICA)方法。研究空间ICA方法的基本模型结构和空间ICA的3种常见算法，即Infomax算法、Fixed-Point算法和Orth-Infomax算法。设计中文词义辨别实验，并使用线性相关方法进行算法比较。实验结果表明，与Infomax算法、Fixed-Point算法相比，Orth-Infomax算法任务相关分量的时间序列与参考函数的平均相关系数最大，具有较高的求解质量和求解效率，能够有效处理脑功能磁共振成像系统中存在的大量数据。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈俊杰	太原理工大学计算机与软件学院	220	1728	20.0	30.0
2	马斌	山西中医学院医药管理学院	20	49	4.0	5.0