基于凸分析的盲分解方法及在脑功能磁共振成像数据分析中的应用

摘要：

盲分解(blind source separation,BSS)是经典的功能磁共振成像(functional magnetic resonance imaging,fMRI)数据驱动类分析方法.独立成分分析(independent component analysis,ICA)是fMRI数据盲分解的常用方法之一,主要利用源分量的独立性假设来从fMRI数据中提取持续任务相关(consistent task related,CTR)成分.然而在实际fMRI数据处理中发现源分量的独立性假设很难完全满足.为了提高CTR成分提取准确率,利用CTR分量空间稀疏性特点,引入基于凸分析的盲分解技术来分析fMRI数据.新方法包含两个步骤,首先利用fMRI观测数据构建一个凸集合,将源分量定位问题转化为在几何上确定凸集合端点;其次,通过体积最大法来确定凸集合端点.数值结果表明该方法可以从fMRI数据中提取更多有用信息,提高了CTR分量获取的准确率,有利于定位与任务相关的脑激活区.

关键词：功能磁共振成像(fMRI)、凸分析、盲源分离、脑激活区定位

所属期刊栏目：35

分类号：TP393(计算技术、计算机技术)

资助基金：the Guangxi National Natural Science Foundation2016GXNSFBA380160,2016JJD110017,2016GXNSFAA380226;the Guangxi University Teaching Research ProjectKY2015ZD143;the Guangxi Key Laboratory for Nonlinear Circuit and Optical CommunicationGuangxi Normal UniversityNCOC2016-B01;the National Natural Science Foundation of China61650103

在线出版日期：2018-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：232-238