基于無窮范數(shù)ICA的fMRI數(shù)據(jù)分析算法研究.pdf

1、人類對于自身的探索從來沒停止過，而大腦更是逐漸成為研究的重點課題。近些年來，人們利用功能磁共振成像(fMRI)技術(shù)對大腦內(nèi)部的活動進行了無創(chuàng)傷的探測，并利用這項技術(shù)采集到腦內(nèi)活動的大量數(shù)據(jù)。如今，對所采集到的數(shù)據(jù)進行分析，以及如何從這些數(shù)據(jù)中提取有用的信息，成為亟待解決問題。獨立成分分析(ICA)為解決這一問題提供了可行的思路。
　　本文研究一種基于無窮范數(shù)ICA的fMRI數(shù)據(jù)分析算法，并將其應(yīng)用于記憶想象認(rèn)知實驗的數(shù)據(jù)分析中。本

2、文所研究的算法主要是利用ICA提取fMRI腦掃描信號中的獨立成分，而為了使ICA面對fMRI存在的噪聲問題，利用無窮范數(shù)作為稀疏性度量的目標(biāo)函數(shù)，將階數(shù)趨近于無窮大，不但使算法具有更好的魯棒性，而且還使計算過程得以簡化;依此目標(biāo)函數(shù)，可以將fMRI認(rèn)知實驗得到的數(shù)據(jù)所形成的矩陣作為目標(biāo)函數(shù)當(dāng)中的混合源信號來對數(shù)據(jù)進行處理，用迭代更新的方式最終確定最大權(quán)值時的分離矩陣，利用分離矩陣計算得到最優(yōu)化結(jié)果。
　　本文進行了記憶想象認(rèn)知實驗

3、，并根據(jù)所得到的fMRI數(shù)據(jù)，分析記憶想象認(rèn)知過程中相應(yīng)的腦區(qū)激活狀態(tài)及各腦區(qū)之間的相互關(guān)系。通過本文所研究的算法進行計算，提取fMRI數(shù)據(jù)中相互獨立的成分，分析這些獨立成分與各腦區(qū)之間的關(guān)聯(lián)性。對照獨立成分分析算法處理數(shù)據(jù)的結(jié)果，分析四組認(rèn)知任務(wù)時大腦激活的腦區(qū)，與利用閾值方法得到的較大值所對應(yīng)的腦區(qū)一致，與現(xiàn)有軟件包處理的結(jié)果對比，本文所研究的無窮范數(shù)獨立成分fMRI分析算法合理有效。認(rèn)知實驗得到的各個腦區(qū)分析結(jié)果顯示，在大腦對實驗