论文部分内容阅读
独立成分分析(Independent Component Analysis，ICA)是近年来发展起来的一种强有力的数据分析工具，它在各个领域都得到了广泛的应用，尤其广泛应用于生物医学信号处理中。本文简要地介绍了独立成分分析的发展历程，详细地讨论了独立成分分析最优化求解时的目标函数、算法，并结合前人的研究成果，综述了独立成分分析在生物医学信号处理中的应用。 功能磁共振成像(functional Magnetic Resonance Imaging，fMRJ)是近年来发展起来的一种无创伤的脑科学研究技术，它使脑科学研究者可以直接观察到各种行为状态时脑的变化，为科研工作者提供了获取更多脑信息的机会。文章介绍了功能磁共振成像的方法和原理，深入地探讨了磁共振成像数据的处理工具——统计参数图(Statistical Parametric Mapping，SPM)的数学原理，结合实验得到的数据，给出了SPM在脑功能磁共振成像数据中的应用。 文章从信息论的角度对独立成分分析的各种目标函数进行了讨论，详细地阐述了国际上流行的独立成分分析的两种算法——fastICA算法和Infomax算法。给出了我们的研究小组提出的一种新的独立成分分析算法，并用该算法实现了功能磁共振成像数据的盲分离，不仅得到了与实验设计相符合的脑激活区，还得到了心跳、眼动、头动引起的激活区，从而验证了该算法在大数据量运算中的有效性。 文章引入诊断性评价指标——受试者工作特征(ROC)，借助这一工具比较了三种不同的独立成分分析算法实现脑激活时的异同，同时还对独立成分分析算法和统计参数图各自处理功能磁共振成像数据的结果进行了比较，得到了一些有意义的结果。