论文部分内容阅读
功能磁共振成像(functional Magnetic Resonance Imaging, fMRI)是近年来发展起来的一种无创伤的脑功能研究技术,它使脑科学研究者可以直接观察到静息态时脑功能活动及各种行为状态时脑的变化,为科研工作提供了获取更多脑信息的机会。随着功能磁共振成像技术的发展,出现许多脑功能成像数据处理方法。目前,功能磁共振数据处理方法可分为模型驱动和数据驱动两大类,本文主要研究了基于数据驱动的处理方法ICA来提取磁共振图像中的脑激活区。ICA不需要对实验设计的时间序列有预先的了解,因此具有广阔的应用前景,它为分析病人脑活动的fMRI数据或具有不可预测功能的fMRI数据,提供了一个强有力的工具。本文利用独立成分分析处理脑功能磁共振成像数据做了以下工作：1.文章中介绍并分析了目前国际上比较流行的三种group independent component analysis(Group ICA)来处理多个被试的fMRI数据的方法,这对于处理大型的功能磁共振成像数据非常必要。2.因为在实际实验操作中,通常需要的是数据处理的统计结果,本文使用国际上流行的独立成分分析的Informax算法对成组的数据实现了功能磁共振成像数据的盲分离,并对独立成分分析和统计参数图各自处理的功能磁共振成像数据结果进行比较。结果发现独立成分方法不仅得到了与实验设计相符合的脑激活区,还得到SPM得不到的心跳、眼动、头动引起的激活区,这样就可以清楚的发现fMRI信号的内在因素。从而验证了该算法在大数据量运算中的有效性。本文的结构安排如下第一章中主要搜集、整理、总结了国内外独立分量分析方面的成果和进展。第二章是fMRI数据处理方法的概述。并且介绍了SPM软件基本原理。第三章用SPM软件处理了一组实验数据,对其处理结果进行了分析。第四章介绍了ICA方法的原理、三种ICA方法和Infomax算法。第五章用ICA方法分离成组的fMRI数据,对其结果与SPM进行了比较。