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

1、人類對(duì)于自身的探索從來(lái)沒停止過(guò)，而大腦更是逐漸成為研究的重點(diǎn)課題。近些年來(lái)，人們利用功能磁共振成像(fMRI)技術(shù)對(duì)大腦內(nèi)部的活動(dòng)進(jìn)行了無(wú)創(chuàng)傷的探測(cè)，并利用這項(xiàng)技術(shù)采集到腦內(nèi)活動(dòng)的大量數(shù)據(jù)。如今，對(duì)所采集到的數(shù)據(jù)進(jìn)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(dú)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(wú)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(shí)驗(yàn)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(hào)中的獨(dú)立成分，而為了使ICA面對(duì)fMRI存在的噪聲問題，利用無(wú)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(wú)窮大，不但使算法具有更好的魯棒性，而且還使計(jì)算過(guò)程得以簡(jiǎn)化;依此目標(biāo)函數(shù)，可以將fMRI認(rèn)知實(shí)驗(yàn)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(hào)來(lái)對(duì)數(shù)據(jù)進(jìn)行處理，用迭代更新的方式最終確定最大權(quán)值時(shí)的分離矩陣，利用分離矩陣計(jì)算得到最優(yōu)化結(jié)果。
　　本文進(jìn)行了記憶想象認(rèn)知實(shí)驗(yàn)

3、，并根據(jù)所得到的fMRI數(shù)據(jù)，分析記憶想象認(rèn)知過(guò)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(guò)本文所研究的算法進(jìn)行計(jì)算，提取fMRI數(shù)據(jù)中相互獨(dú)立的成分，分析這些獨(dú)立成分與各腦區(qū)之間的關(guān)聯(lián)性。對(duì)照獨(dú)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(shí)大腦激活的腦區(qū)，與利用閾值方法得到的較大值所對(duì)應(yīng)的腦區(qū)一致，與現(xiàn)有軟件包處理的結(jié)果對(duì)比，本文所研究的無(wú)窮范數(shù)獨(dú)立成分fMRI分析算法合理有效。認(rèn)知實(shí)驗(yàn)得到的各個(gè)腦區(qū)分析結(jié)果顯示，在大腦對(duì)實(shí)驗(yàn)