核独立成分分析在fMRI数据中的应用  

Kernel Independent Componet Analysis for fMRI Data

作　　者：张红娟[1] 郭崇慧[2] 

机构地区：[1]大连理工大学应用数学系,辽宁大连116024 [2]大连理工大学系统工程研究所,辽宁大连116024

出　　处：《控制工程》2007年第4期398-400,共3页Control Engineering of China

基　　金：国家自然科学基金资助项目(101571018)

摘　　要：介绍了一种全新的功能核磁共振数据(fMRI)分析方法即核独立成分分析方法,它是核方法与典型相关分析方法的综合运用。将Bach和Jordan提出的核独立成分分析方法应用于功能核磁共振成像数据分析,并基于实验所得的时间序列与参考函数的相关系数的大小,比较了该方法与经典的成分分析方法-主成分分析(PCA)方法与快速不动点算法(FastICA)的实验结果。结果表明,对fMRI数据而言,核独立成分分析方法和FastICA算法要优于PCA算法。A novel functional magnetic resonance imaging （tMPd） data analysis method is introduced. The proposed method, referred as kernel independent component analysis （Kemel-ICA）, combines the strength of the kernel approaches with canonical correlation analysis. For performing Kernel-ICA, an algorithm developed by Bach and Jordan is employed. Based on the analysis of fMRI data, the performance of Kemel-ICA is compared with classical algorithms such as PCA and FastICA. The comparative results are based on correlation and associated time-courses. Numerical results show that both Kemel-ICA and FastICA are outperformed to PCA for analyzing the fMRI data.

关 键 词：核独立成分成分 快速不动点算法 主成分分析 功能核磁共振成像数据 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]