基于區(qū)域增長的ICA算法在fMRI數(shù)據(jù)處理上的研究應用.pdf

1、從上個世紀九十年代以來，腦功能成像技術得到了廣泛應用和長足發(fā)展。腦功能成像最大的優(yōu)點就是無損傷，可以直接對人腦進行反復的非侵入性觀察測量。 在高級腦功能成像的研究中，數(shù)據(jù)處理是相當重要的一個環(huán)節(jié)。隨著腦功能成像技術(PET、fMRI等)的發(fā)展，人們從中獲取豐富的信息數(shù)據(jù)，用于腦功能區(qū)的定位、對功能新區(qū)的探索以及研究腦功能區(qū)之間的相互關系等。只有通過對這些數(shù)據(jù)進行分析，從大量噪聲中提取感興趣的信息，揭示其中的規(guī)律，才能真正達到對人

2、腦功能研究的目的。 腦功能成像數(shù)據(jù)處理方法的研究已經成為當前國內外研究的重要領域。對功能磁共振數(shù)據(jù)的分析有兩類方法：數(shù)據(jù)驅動分析法和模型驅動分析法。本文采用基于數(shù)據(jù)驅動的分析方法一獨立成分分析法(Independent ComponentAna]ysis，ICA)，并結合圖像分割領域的區(qū)域增長法(Region Growing)來處理功能磁共振數(shù)據(jù)。 區(qū)域增長法是一種在人工智能領域的計算機視覺界十分受關注的圖像分割方法。它

3、的基本思想是將具有相似性質的象素合并構成區(qū)域。具體來講，先對每個需要分割的區(qū)域找一個初始象素作為生長的起點，然后將初始象素周圍鄰域中與初始象素有相同或相似性質的象素合并到初始象素所在的區(qū)域中。將合并了新象素的區(qū)域作為新的初始繼續(xù)上面的過程，直到再沒有其它象素滿足相似準則，合并結束。 獨立成分分析法是一種基于高階統(tǒng)計量的方法，是處理腦功能成像數(shù)據(jù)的 一種重要方法。本文討論基于區(qū)域增長的獨立成分分析(ICA)法在fMRI數(shù)據(jù)

4、處理上的初步應用。首先用區(qū)域增長法對fMRI數(shù)據(jù)作預處理，除去明顯不是激活的體元，降低ICA計算的復雜性；然后用ICA算法對預處理后的fMRI數(shù)據(jù)進行分離；對分離的結果用相關系數(shù)法檢測fMRI信號的激活體元。仿真實驗和實際fMRI數(shù)據(jù)實驗表明基于區(qū)域增長的ICA算法能對fMRI數(shù)據(jù)進行降維，減少算法的運行時間。我們用本文算法與區(qū)域增長法及ICA算法作比較，用于處理多組仿真數(shù)據(jù)及fMRI數(shù)據(jù)，最后的結果表明了本文算法能夠有效地處理fMRI