功能磁共振成像(fMRI)技术具有无创检测、空间分辨率高等优点，目前被广泛应用于脑科学的研究。独立成分分析(ICA)是近年来发展起来的实现fMRI信号分离的有效手段。不同于经典的通用线性模型方法，ICA方法不需要先验模型及其相关统计学假设，仅依靠数据自身的特点进行数据分析，依据独立性假设便可分离人脑fMRI激活信号及不同的组成成分，但删激活信号幅值微弱且受各种生理和仪器噪声的影响，因此去噪是功能数据分析预处理中重要的一步，但去噪预处理对最终ICA分离人脑激活信号结果的影响尚缺乏进一步的研究。　　 本文采用模拟数据和真实数据对ICA方法的分离噪声能力和去噪预处理对其激活信号检测精度的影响进行了研究。分别对未去噪、高斯去噪及两种正交小波去噪后数据应用ICA方法进行激活信号检测的测试，应用统计平均值及ROC曲线对测试结果进行评价及比较研究。　　 目前测试功能成像分析方法有不同的模拟数据构成方式，模拟数据的构造可能会影响检测结果。为了保证测试结果的可靠性，构造了两种目前常用的模拟数据，以研究构造方式对检测结果的影响。一种模拟数据以解剖MRI图像为模板，构造以白噪为主要噪声的功能磁共振数据，另一种模拟数据以静息态真实fMRI数据为模板，构造含有白噪和其它生理噪声的功能磁共振数据。两套模拟数据均加入激活区作为真值进行测试。用两套模拟数据分别测试了fastICA算法。结果显示，从总体趋势来看，两种模拟数据的测试结果相近，从曲线的分布细节来看，两套模拟数据对某些去噪方法及参数选择的敏感性略有不同。研究结果提示，模拟数据的构造对于检测结果有一定的影响，但不是很大。　　 为了使模拟研究结果更接近实际，采用第二种模拟数据对ICA方法进行了测试分析。考虑到独立成分分析方法存在不同的求解算法，不同算法的分离噪声能力及对预处理的敏感性可能会不同，选取了两种有代表性的ICA算法-fastICA和Infomax进行了测试。实验重复50次，对不同阈值条件下两种方法检测的激活体素进行统计，用ROC曲线显示统计平均结果。模拟实验结果表明：在信噪比为15db时，去噪预处理能显著提高ICA检测精度；在信噪比为20db时，去噪对提高ICA检测精度影响较小，而且会出现小波去噪引起ROC曲线降低的现象；在某些情况下经Infomax分离的ROC曲线准确度略高于fastICA算法。研究结果提示：对于ICA而言，小波去噪与传统的高斯平滑方法相比未显示出更好的敏感性和特异性；在低信噪比情况下，有必要进行去噪预处理；在高信噪比情况下，不恰当的去噪方法可导致ICA方法检测精度降低。不同的ICA算法受预处理的影响也有区别。