新的ICA算法实现成组fMRI信号盲分离  

Blind source separation for group fMRI signals using a new independent component analysis algorithm

作　　者：唐焕文[1] 张伟伟[1] 史振威[2] 潘丽丽[1] 唐一源[3] 

机构地区：[1]大连理工大学计算生物学和生物信息学研究所,辽宁大连116024 [2]清华大学自动化系,北京100084 [3]大连理工大学神经信息学研究所,辽宁大连116024

出　　处：《大连理工大学学报》2007年第5期773-776,共4页Journal of Dalian University of Technology

基　　金：国家科技部国际合作资助项目(DF2003);国家自然科学基金资助项目(10571018)

摘　　要：独立成分分析(ICA)方法已被成功地用于处理功能磁共振成像(fMRI)信号,但主要是用于处理单个被试的fMRI信号,对于多个被试的情况却很少考虑.为此利用一种扩展的ICA方法——Group ICA来处理多个被试的fMRI信号,结果表明这种方法在保证结果准确性的前提下,可以大大减少计算量,快速获得统计结果.计算中应用的是NewFP算法,统计结果表明这种算法在估计激活的时间动力学准确性上优于FastICA算法.Independent component analysis （ICA） has been used effectively for processing the functional magnetic resonance imaging （fMRI） data, but usually the data come from one subject. To process the signals from a group of subjects, an extended independent component analysis method, Group ICA is proposed. The results show that this method can reduce the data and receive the statistical result fast. In the processing, an independent component analysis method named new fixed-point is used, and the results show that the new method is superior to the FastICA on the accuracy of estimating the temporal dynamics of activations.

关 键 词：独立成分分析 盲源分离 功能磁共振成像 

分 类 号：TN911.7[电子电信—通信与信息系统]