新的独立成分分析算法实现功能磁共振成像信号的盲分离  

BLIND SOURCE SEPARATION FOR FMRI SIGNALS USING A NEW INDEPENDENT COMPONENT ANALYSIS ALGORITHM

作　　者：武振华[1] 史振威[1] 唐焕文[1] 唐一源 

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,大连116023 [2]大连理工大学神经信息学研究所

出　　处：《生物物理学报》2004年第3期188-192,共5页Acta Biophysica Sinica

基　　金：国家自然科学基金项目(9010303330170321);国家科技部973前期专项(2001CCA00700)

摘　　要：采用独立成分分析(independentcomponentanalysis,ICA)的一种新的牛顿型算法来提取功能磁共振成像(functionalmagneticreasonanceimaging,fMRI)信号中的各种独立成分(包括与实验设计相关的成分以及各种噪声)。与fastICA相比,该算法减少了运算量,提高了运算速度,而且能够很好地分离出各个独立成分。结果表明该算法是一种有效的fMRI信号分析手段。In order to separate independent components (task-related signal and other noises) from functional magnetic reasonance imaging(fMRI)signals, a new independent component analysis algorithm was used. In contrast to fastICA, the algorithm reduced computation and raised speed of operation. It also separated independent components from fMRI signals very well.

关 键 词：牛顿型算法 独立成分分析 功能磁共振成像 盲源分离 信号 

分 类 号：Q-332[生物学] Q-334