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:
为了提高fMRI激活区提取算法的抗噪能力及精确性,提出了一种基于体素邻域信息的均值漂移聚类算法。采用互相关分析方法计算每个体素的时间序列与刺激函数的相关系数,并计算该体素的时间序列与邻域中体素的时间序列的相关系数,以这2种相关系数构建有效整合体素邻域信息的二维特征空间。再用均值漂移算法对此特征空间进行聚类搜索,完成对脑神经活动区域的检测。利用仿真数据和实际fMRI数据对算法进行测试。仿真数据测试结果表明,当选定合适的核宽,无论激活区域大小,所提出算法的敏感性和特异性均优于较传统的互相关分析算法和互相关聚类算法。实际fMRI数据测试结果显示,所提出算法与其他2种算法的结果具有良好的一致性,而所提出算法的检测区域更完整。
推荐文章
邻域信息熵的核模糊C均值聚类图像分割算法
聚类算法
图像分割
模糊C均值算法
核距离
邻域信息熵
融合邻域扰动的简化粒子群K-均值聚类算法
粒子群优化算法
邻域扰动
K-均值聚类
优化初始聚类
基于自适应带宽均值漂移聚类算法设计传递函数
体绘制
传递函数
均值漂移
带宽
基于邻域的多尺度模糊C-均值聚类图像分割
邻域
多尺度
模糊C-均值聚类
图像分割
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 基于体素邻域信息的均值漂移聚类算法检测fMRI激活区
来源期刊 江苏大学学报(自然科学版) 学科 工学
关键词 脑功能核磁共振成像 均值漂移聚类 邻域信息 互相关分析 抗噪能力
年,卷(期) 2016,(5) 所属期刊栏目
研究方向 页码范围 556-561
页数 6页 分类号 TP391.4
字数 4935字 语种 中文
DOI 10.3969/j.issn.1671-7775.2016.05.011
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 张睿 中国科学院苏州生物医学工程技术研究所 28 236 7.0 15.0
10 高欣 中国科学院苏州生物医学工程技术研究所 46 202 9.0 12.0
11 汪东兴 苏州大学附属第二医院神经内科 5 15 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (8)
参考文献  (11)
节点文献
引证文献  (5)
同被引文献  (45)
二级引证文献  (15)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(6)
  • 参考文献(4)
  • 二级参考文献(2)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(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)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(10)
  • 引证文献(1)
  • 二级引证文献(9)
2020(8)
  • 引证文献(2)
  • 二级引证文献(6)
研究主题发展历程
节点文献
脑功能核磁共振成像
均值漂移聚类
邻域信息
互相关分析
抗噪能力
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
江苏大学学报(自然科学版)
双月刊
1671-7775
32-1668/N
大16开
江苏省镇江市梦溪园巷30号
28-83
1980
chi
出版文献量(篇)
2980
总下载数(次)
2
总被引数(次)
31026
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导