基于LS-SVM的fMRI数据分析-论文-万方医学网

基于LS-SVM的fMRI数据分析

二维码有效期 120s

收藏纠错

摘要功能性磁共振(fMRI)已经成为脑科学研究的重要手段和工具。它具有其无损性、高速性、高分辨率、可同时获得结构与功能图像等一系列优秀性能，被广泛应用于脑的实验及临床研究。<br>　　本文所采用的原始数据库均由PBAIC2006提供，本实验是典型的事件相关设计模式，目的是找到探寻试体大脑体元与录像文件中的刺激间潜在的关系，并对其它数据进行预测。fMRI数据的规模十分巨大，因此需要利用统计理论选取特征区域(激活区)以便研究。文中提出了两种选择特征区域的方法：基于线性回归的方法和基于k-means的方法。选取特征区域后，建立了基于最小二乘支持向量机(least squares support Vector machine，LS-SVM)的非线性回归模型，将该模型应用在功能型磁共振成像的激活区分析中，使用经过处理的数据进行训练，并采取一些参数优化策略来提高性能。然后，运用该模型对其它数据进行预测。实验结果表明，本文采取的方法具有较好的稳定性和泛化能力。