论文部分内容阅读
本文采用验证、改进、扩展、应用的逻辑,紧密围绕“可复制性”(reproducibility)的思想,通过四个完整的研究系统地论述和改进了独立成分分析(ICA)方法在功能磁共振(fMRI)数据分析中的应用。
在对ICA方法的验证研究中,作者将其应用于静息状态下的fMRI数据,并且通过可复制性及与传统研究方法的一致性检验了ICA结果的可靠性。同时,也提出了ICA在fMRI数据分析中的局限性。
在方法的改进研究中,作者为了解决ICA在应用中的一些局限性,开发了基于可复制性的改进ICA方法,RAICAR。它可以按照可复制性为ICA成分排序,确定可靠成分的数目,并获得更加稳定的结果。RAICAR为ICA结果的验证和解释提供了工具。
在方法的扩展研究中,作者将RAICAR及“可复制性”思想扩展到多被试的ICA分析中,开发了gRMCAR算法。gRAICAR允许被试问存在一定差异,不但可以检测被试问共有的成分,而且善于发现被试在某个成分中的潜在分组,为fMRI数据的组分析和探索性分析提供了新方法。
在方法的应用研究中,两种新方法被用于研究早期音乐训练对学习、记忆的脑机制的影响,并发现了两组被试在记忆提取和学习过程中的脑机制差异。这同时验证了两种新方法的有效性和在fMRI数据分析中的重要性。