基于先验信息的脑图像数据信息提取算法

摘要：

传统稀疏表示方法选择出的脑激活体素空间分布过于稀疏,不具有空间团块特性,在分析真实数据时的性能较低.针对该问题,提出一种基于先验信息的脑激活体素选择算法.该算法结合脑图像数据的高维性特点,以张量分析为基础,建立脑图像数据与任务函数之间的回归模型.用凸优化技术将脑激活体素的空间团块特性以凸约束的形式整合到体素选择过程中,使得该算法更加适合脑图像数据的信息提取,并采用脑激活区定位和解码实验对算法进行验证.实验结果表明,与传统稀疏表示算法相比,该算法选择出的脑激活体素空间分布更集中,在解码分析中能获得较高的解码准确率,在脑图像数据分析时表现出较高的求解质量和求解效率,能有效分析脑图像数据.

关键词：体素选择、稀疏表示、功能核磁共振成像、张量表示、脑激活区定位

所属期刊栏目：41

分类号：TP393.41(计算技术、计算机技术)

资助基金：广西高校科学技术研究基金资助重点项目KY2015ZD143;广西高校机器人与焊接技术重点实验室培育基地基金;桂林航天工业学院博士启动基金

在线出版日期：2015-11-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：194-198