独立变量分析及其在脑功能可视化中应用
在数据分析和信号处理领域中经常遇到的一个问题就是如何从多元数据中提取有用部分.为使计算简便,通常对原始数据作线性变换.常用的变换方法有:主分量分析,因子分析以及投影追踪法等.一种近期发展起来的线性变换方法称独立分量分析(ICA).该方法能够从混合信号中分离出最独立的信号.本文介绍了ICA的原理、方法及其在fMRI图像中的应用.该方法有效地抑制了fMRI图像中的随机噪声及生理信号(例如,心电、呼吸等),增强了功能信号.
独立分量分析 功能磁共振图像 互信息 盲信源分离 脑功能可视化
王娟 罗述谦
首都医科大学生物医学工程学院(北京)
国内会议
北京
中文
276-278
2001-11-01（万方平台首次上网日期，不代表论文的发表时间）