基于大脑磁共振成像的多模态多层次信息融合方法

摘要：

通过多层次特征计算对MCCA+jICA(multimodal canonical correlation analysis+joint independent component analysis)融合技术进行改进,提出一种基于无监督的多模态多层次大脑磁共振图像融合方法(multilevel MCCA+jICA,MMCCA+jICA).基于多模态预处理数据,进行低层次特征提取、高层次特征计算、多模态多层次特征组合,并通过空间独立成分技术进行融合分析.将其与MCCA+jICA、带参考的MCCA+jICA进行比较,结果显示,在不同信噪比下,3种方法对大脑目标信息的检测率从高到低依次为:所提方法(95％～99％)、带参考的MCCA+jICA(77％～82％)、MCCA+jICA(74％～82％);目标估计成分与真实成分之间的相关性由高到低依次为:所提方法(0.8906)、MCCA+jICA(0.8557)、带参考的MCCA+jICA(0.6999);混合矩阵相关性标准差情况从小到大依次为:所提方法(0.1055)、带参考的MCCA+jICA(0.1384)、MCCA+jICA(0.2896).由此可见,所提方法在探索脑功能-结构共变及耦合关系上具有更高的检测率、更强的鲁棒性和稳定性,这对研究大脑机理及相关疾病病理机制具有重要的意义.

关键词：多层次特征;信息融合;多模态;磁共振成像

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;河南省高等学校重点科研项目;河南省科技开放合作项目

在线出版日期：2021-09-08（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：26-32