换一批摘要为了方便提取静息态默认网络,降低功能核磁共振(fMRI)数据复杂度,克服独立成分分析只适合于源信号线性混合的限制,提出了特征降维和非线性变换的框架.首先采用主成分分析对fMRI信号的时间维度进行降维,将原始维度为153 594×128的fMRI数据降至153 594×5,以达到降低计算复杂度的目的,并保留95%的信息成分.然后利用基于高斯核的非线性独立成分分析即核独立成分分析来分析静息态fMRI数据并提取默认网络.实验结果表明,在分析静息态fMRI数据的过程中,核独立成分分析不仅能准确提取默认网络,而且降低了噪声,所得到的结果优于普通独立成分分析.
更多相关知识
关键词
核独立成分分析主成分分析功能核磁共振静息态kernel independent component analysisprincipal component analysisfunctional magnetic resonance imaging (fMRI)resting-state
分类号
R318.04
DOI
10.3969/j.issn.1003-7985.2010.01.016
发布时间
2010-06-29（万方平台首次上网日期，不代表论文的发表时间）
- 浏览7
- 被引7
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
