fMRI信号盲分离的一种独立成分分析算法

建立了独立成分分析(independentcomponentanalysis,ICA)的一个优化模型,在此基础上,给出了一个新的梯度算法,称之为Orth-ExtBS算法.该算法结合了ExtBS算法和FastICA算法,兼顾两者的优点,形式简单,易于应用,能有效地盲分离具有超高斯和亚高斯分布源的混合信号,获得更准确的分离效果和较快的收敛速度.将新的算法与其他两个算法(FastICA和ExtBS)分别应用到大型fMRI数据中,通过比较发现,新算法在估计激活的时间动力学准确性上要优于其他两个算法.     

联合独立成分分析和典型相关分析盲分析fMRI数据

为了自动识别功能信号成分,通过对灰质数据和脑脊液数据独立成分的空间相关性进行典型相关分析,有效地解决了独立成分的排序问题.提出的方法不需要任何先验信息,能够稳健地识别与实验设计相关的功能信号成分,实现了对fMRI数据的盲分析.通过对临床真实fMRI数据的分析,阐明了提出方法的有效性及可靠性.     

新的ICA算法实现成组fMRI信号盲分离

独立成分分析(ICA)方法已被成功地用于处理功能磁共振成像(fMRI)信号,但主要是用于处理单个被试的fMRI信号,对于多个被试的情况却很少考虑.为此利用一种扩展的ICA方法--Group ICA来处理多个被试的fMRI信号,结果表明这种方法在保证结果准确性的前提下,可以大大减少计算量,快速获得统计结果.计算中应用的是NewFP算法,统计结果表明这种算法在估计激活的时间动力学准确性上优于FastICA算法.     

改进的ICA算法及其在fMRI信号上的应用

针对目前广泛使用的两种独立成分分析(ICA)算法(fixed-point算法和infomax算法)在处理功能磁共振成像(fMRI)数据时速度较慢的特点,给出了独立成分分析的一个优化模型,在此基础上,提出了一种快速的牛顿型迭代算法.该算法采用修正后的牛顿迭代形式,使收敛速度达到三阶.将文中算法与其它两种算法应用于实际fMRI数据,实验结果表明,文中算法能够很好地分离出任务成分,同时大大减少了运算量,提高了运算速度,在处理大数据量的fMRI信号方面有明显的优势.     

基于独立成分分析的数字水印研究

提出了一种新的利用独立成分分析提取数字水印的方法,把原始图像和数字水印图像在空间域直接混叠,得到两个嵌入水印的图像.通过对混合矩阵的控制实现水印的不可见性.把混合后的图像作为盲源进行分离,在整个提取过程中不需要原始图像和混合矩阵信息.仿真实验表明该方案很好的实现了水印的不可见性和鲁棒性的统一.     

基于独立成分分析和相关分析的fMRI功能连接方法

利用功能磁共振成像(functional magnetic resonance imaging, fMRI)技术,深入研究和探讨独立成分分析(independent component analysis, ICA)和相关分析在功能连接方面的应用,并应用于静息状态功能连接,考察在阿尔茨海默病(Alzheimer's disease, AD)的病理条件下人脑默认网络(default mode network)的异常,从而加深对AD病理机制的理解和认识.     

快速定点独立分量分析在盲源分离中的应用

独立成分分析（ICA）在国内尚属一门新型的方法。本文介绍了快速定点独立分量分析的原理和算法,并介绍了该算法在盲源信号分离中的具体应用,并将此方法与主成分方法（PCA）进行了比较。文中通过实例给出了这种方法的应用效果。结果表明,ICA在盲源信号分离中是一种很有潜力的方法。     

改进的参考独立分量分析算法

鉴于参考独立分量分析定义了所谓的接近性度量函数和与之相关的小等式,并把它作为约束项引入到负熵对比度甬数中,取得了很好的分离效果,但存在若阈值选取不当则算法不收敛的问题.提出一个改进算法,算法的优化函数为负熵对比度甬数和参考独立分量分析算法中的接近性度量甬数之积,巧妙地避开了这个难以确定的阈值参数.针对合成数据和实际ECG数据的仿真实验表明,改进算法收敛快、提取效果好.     

急性脑梗死偏瘫患者踝关节运动功能障碍的fMRI研究

目的:利用功能磁共振成像(fMRI)技术,观察急性脑梗死患者的运动相关皮层的激活图,探讨卒中后踝功能障碍及恢复的脑功能相关性改变.方法:采用1.5T磁共振成像系统对10例急性脑梗死患者和5例正常志愿者进行BOLD-fMRI检查,采用健侧、患侧踝关节背伸、趾屈运动作为刺激任务,比较正常志愿者与急性脑梗死患者踝关节运动时脑部激活情况的异同,并采用LI为指标,观察急性脑梗死患者健侧、患侧踝关节运动时脑部激活的差异.结果:正常对照组踝关节运动主要激活对侧SM1区,激活区形态呈斑片状或者不规则状,此外对侧PM区、SMA区也有不同程度的激活.急性脑梗死患者健侧踝关节运动主要激活对侧SM1区,此外对侧PM区、SMA区、颞叶、枕叶、小脑半球、额叶等也有不同程度的激活,与正常对照组激活区相似;患侧踝关节运动(主观运动)时除了对侧半球SM1区激活之外,同侧SM1区、PM区也可见不同程度的激活,对侧半球的激活体积大部分大于同侧.根据公式计算出LI值,结果显示健侧、患侧踝关节运动LI值之间存在显著性差异(P<0.05).结论:fMRI可以客观的显示急性脑梗死后患者大脑运动皮层的激活情况,提示存在脑功能代偿与重组,fMRI作为监测和研究急性脑梗死后运动功能恢复的有用工具,在临床治疗中具有重要的指导意义.     

基于独立分量分析的机械故障信息提取

独立分量分析是盲源分离的一种新方法，其处理的对象是相互统计独立的信号源经线性组合而产生的一组混合信号，最终目的是从混合信号中分离出各独立的信号分量、为此，论证了机械振动信号盲源分离的可行性，并对盲源分离中的“源”赋予了新的含义，利用互相关函数估计不同通道之间的时延参数，适当截取后组成混合信号再进行盲源分离，可以保证振动信号分离的有效性、盲源分离技术在涡流传感器失效故障诊断和早期碰摩故障诊断的成功应用，表明该技术在机械设备状态监测和故障诊断中有着广阔的应用前景．     

一种改进的ICA算法及其在fMRI信号上的应用

摘要:给出了独立成分分析(ICA)的一个优化模型,在此基础上,提出了一种牛顿型迭代算法,为加快算法的收敛速度,对牛顿迭代进行了进一步修正,使该算法收敛速度达到三阶.本文从理论上阐明了新方法的合理性和优越性,同时将其应用于实际fMRI数据,经与其他两个ICA算法(Fast ICA算法、infomax算法)比较,该算法能够很好地分离出任务成分,同时大大减少了运算量,提高了运算速度,对处理大数据量的fMRI信号有明显的优势.     

基于有效检测准则的fMRI源信号数目的估计方法

独立成分分析方法已经成功地运用于分析功能磁共振成像数据.尽管独立成分分析方法是一个很有前景的数据驱动分析方法,但是在执行独立成分分析之前,需要确定好独立成分的数目.准确地估计出功能磁共振成像数据中独立成分数目对减少过估计或者低估计能起重要作用,目前有许多信息理论准则方法已经广泛运用于独立成分数目估计中,但通常容易出现过估计现象.该文提出一种基于有效检测准则的fMRI源信号数目的估计方法.模拟数据实验结果表明,该方法对不同平滑数据具有很好的鲁棒性.将该方法用于真实的功能磁共振成像数据中,可以减少色噪声下真实数据的过估计,对功能磁共振成像源信号数目的估计表现出了较好的综合性能.     

基于功能磁共振影像的阿尔茨海默病分类研究

通过功能磁共振影像研究阿尔茨海默病与正常对照组之间的特征差异.研究对象为16例阿尔茨海默病和28例正常对照组的功能磁共振影像.首先,对静息态功能磁共振影像进行预处理;接着,运用基于信息极大化的独立成分分析算法提取阿尔茨海默病和正常对照组样本的组间特征;最后,将提取出的特征表达系数送入支持向量机分类器对阿尔茨海默病和正常对照组样本分类.在阿尔茨海默病与正常对照组的分类实验中,获得的最大平均分类准确度、敏感度及特异度分别为97.82%、94.88%、99.50%.结果显示,组间的差异特征能够比较准确地将阿尔茨海默病从正常对照组中区分开来.     

基于峭度的组分分析方法解析重叠峰

基于峭度的组分分析方法用来解析重叠峰．其优点是半盲源分离，即只要确定出重叠峰所含组分的数目，就能从混合波谱中分离出纯组分谱．采用CABK来解析模拟两组分重叠峰体系和酒样的GC-MS混合谱，得到了令人满意的结果．     

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.     

基于ICA过程监控方法的研究

针对目前实际工业生产中变量不能严格服从高斯分布,且变量之间存有严重相关性的特点,进行了基于独立成分分析的过程监控方法研究。该方法不仅去除了变量之间的相关性,而且充分利用过程信息的高阶统计特性,建立过程信息的独立元模型。利用独立元模型对仿真实时数据进行故障检测研究,最后对离散系统多变量过程模型进行了仿真验证,仿真结果表明:该方法能快速准确的检测到运行中发生的异常,验证了该方法的有效性以及与PCA方法相比所存在的优越性。     

ICA变化检测的新方法

基于ICA变化检测方法的原理,利用小波变换实现图像块分割的优化,发挥小波变换的正交性和很好的方向性特征,提出了一种基于独立成分分析的变化检测方法.利用这种方法与ICA方法测得的图像扭曲度、平均梯度、图像质量因数方面相比都要好,实验结果证明了文中算法的可行性和优势.