AD-rfMRI图像的基于改进EDC的独立分量数目估计

阿尔茨海默病(Alzheimers disease,AD)在老年人中的患病人数逐年升高,而静息态功能磁共振成像(rfMRI)功能连接变化是研究AD发病机制的重要手段.为了有效地提取静息态功能磁共振成像图像感兴趣区域并进行功能连接变化分析,需要分离独立分量.而独立分量的分离实现,必须预先估计需要分离的独立分量的数目.在独立分量数目估计方法中,信息理论准则中的有效检测准则(effective detection criteria,EDC)具有灵活的惩罚函数,估计结果鲁棒性高,但存在过估计问题,影响独立分量分离结果的准确性.本文将对数函数引入惩罚函数的第2种表示(EDC₂)对其进行改进,并结合黄金分割法确定惩罚函数项的最优值,称为OIEDC₂(optimizing and improving effective detection criteria).实验结果表明,OIEDC₂与EDC₂相比提升了独立分量数目估计的合理性和准确性.