密度K-means算法在认知重评脑功能连接中的应用

• 作者: 周仁来 徐逸 邹凌
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 功能连接 认知重评 密度K-means算法 独立成分分析
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 图像与视觉
• 页码范围: 841-846
• 页数: 6页
• 分类号: TP751
• 字数: 3930字
• 语种: 中文

摘要

为考察大脑在处理加工不同效价的情绪图片时其脑功能区域的联系与差异, 提出一种能更精确地提取出相对激活较弱的功能连接区域的方法. 首先提出一种基于密度思想的 K-means 算法并应用于脑功能连接分析, 提取具有功能连接的脑组织结构模式; 然后引入聚合指数指标客观评判激活脑区定位的准确度, 并与独立成分分析方法的处理结果进行对比; 最后从体素的激活强度和激活脑区的定位精度等方面入手, 论证了基于密度思想的 K-means 算法在脑功能连接分析上的优势. 实验结果表明, 情绪刺激加工的过程中, 脑区较为明显的激活区主要分布在前额叶、扣带回及下丘脑附近, 为后续临床观察及诊断提供了一种较为可靠的方法和思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹凌	常州大学信息科学与工程学院	29	145	5.0	11.0
5	周仁来	南京大学社会学院心理系	28	79	5.0	8.0
6	徐逸	常州大学信息科学与工程学院	1	2	1.0	1.0