运用特征空间最大信息的典型相关分析来描述功能成像数据的非线性关系

• 作者: 宗鸣 尹晓嵩
• 来源期刊: 电子世界
• 关键词: 特征空间最大信息的典型相关分析(emiCCA) 功能磁共振成像(fMRI) 数据分析 非线性 无监督 运动执行
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 技术交流
• 页码范围: 164
• 页数: 1页
• 字数: 1524字
• 语种: 中文

摘要

许多关于分析神经影像学的问题可以被归结为发现两组变量的关系,其中例如典型相关分析(CCA)这一线性方法被广泛的应用.然而,为了更深入的研究非线性过程,在脑功能上,与线性方法共存的一个更加灵活的方法需要被挖掘.这里,我们提出了一个新的非监督的与数据驱动的方法,把它称为emiCCA,它能自动地获不同数据集的线性的与非线性的的关系,有仿真证明与线性CCA和核CCA(非线性CCA)相比,emiCCA有更好的性能.对于功能磁共振emiCCA框架来说,它的处理过程已经被设计和应用到了来自真正的运动执行功能磁共振实验的数据中.这种分析揭示了一种线性(在初级运动皮层)和少量非线性网络(在补充运动区,两侧脑岛,小脑),这表明,与不同任务相关的大脑区域也是网络的一部分,也有助于手部的动作执行,这些结果表明,emiCCA是一个针对不同的数据挖掘的很好的一项技术.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宗鸣		30	205	7.0	14.0
2	尹晓嵩		1	1	1.0	1.0