基于字典稀疏性的脑图像数据盲分离方法

摘要：

针对独立成分分析(ICA)方法的独立性假设在实际脑图像分析中很难完全满足的问题,根据脑图像数据的特点,提出一种基于字典稀疏性的盲分离方法.结合字典学习和盲分离技术,利用源信号在所选字典中的稀疏性,将盲分离的过程转换到稀疏域中,通过在稀疏域中对源信号施加稀疏性约束进行盲分解.采用脑激活区定位实验对该方法进行验证,并用线性相关方法进行结果比较.结果证明,与ICA方法相比,该方法得到的激活体素平均时间序列与实验任务更相关,激活体素空间分布也更集中,具有较高的求解质量和求解效率,可用于更好地分析脑图像数据,在稀疏域中进行盲分解时提高盲分解的质量.

关键词：盲分离、功能核磁共振成像、独立成分分析、字典学习、体素选择

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重点实验室开放课题基金;桂林航天工业学院博士启动基金资助项目“基于凸优化技术的信号处理算法及其应用研究”

在线出版日期：2016-02-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：269-274