基于独立成分分析的脑功能网络分析方法综述  

Review of Independent Component Analysis Methods for Brain Functional Networks

作　　者：杜宇慧[1,2] 桂志国[1] 刘迎军[3] 陈芳芳[4] 

机构地区：[1]中北大学信息与通信工程学院,太原030051 [2]中国科学院自动化研究所模式识别国家重点实验室,北京100190 [3]南方医科大学生物医学工程学院,广州510515 [4]深圳大学数学与计算科学学院,广东深圳518060

出　　处：《生物物理学报》2013年第4期266-275,共10页Acta Biophysica Sinica

基　　金：国家自然科学基金项目(61071192;61271357);山西省自然科学基金项目(2009011020-2);山西省高等学校优秀青年学术带头人支持计划项目;中北大学科学基金项目~~

摘　　要：基于脑功能成像的脑功能网络研究对于理解脑的正常功能和诊断神经精神疾病具有重要作用。独立成分分析作为一种数据驱动方法已被广泛应用于脑功能网络的研究。然而,独立成分分析方法中输出成分的无序性、成分个数的不可预知性及算法受初始值影响的随机性给实际应用带来了困难。文章简介独立成分分析的原理及缺点,对常用的基于独立成分分析的脑功能网络分析方法作了详细的介绍,着重阐述了组信息指导的独立成分分析方法,并对脑功能网络分析方法的未来发展方向进行了展望。Study of brain functional images based functional networks helps better understanding of brain function and diagnosis of mental disease. As a data driven method, independent component analysis （ICA） has gained popularity for brain functional networks analysis. However, the order of resulting components is random, the number of independent components needs to be estimated, and the results are affected by initialization. All these shortcomings of ICA bring difficulties to its practical application. The paper firstly explains the principle and disadvantages of ICA, and then reviews the existing ICA methods for brain functional networks analysis. After that, it highlights the recently proposed group information guided ICA method. Finally, potential improvement to methods of brain functional networks is pointed out.

关 键 词：脑功能成像 脑功能网络 独立成分分析 组信息指导 

分 类 号：R318.04[医药卫生—生物医学工程]