期刊文献+

基于快速平稳小波变换的特征提取方法分析fMRI数据 被引量:2

Feature Extraction of fMRI Data by Fast Stationary Wavelet Transform
下载PDF
导出
摘要 多尺度特征提取方法(MFE)利用离散小波变换,通过只重构有用信号所在小波尺度的方式,有效去除了fMRI数据里的干扰成分。但部分尺度重构会导致混频发生,而离散小波变换的结果对小波选取比较敏感。为此,本研究把有用信号最低频率所对应的小波尺度选为舍弃尺度,利用平稳小波变换矩阵算法代替常规的逐体素算法,用sym2、sym10和sym20等3个小波分析了视觉组块型和事件相关型fMRI试验数据。结果显示,所选舍弃尺度的方法避免了混频现象,3个小波给出了相同的且比SPM8更好的分析结果。在时间消耗上,3个小波基于矩阵算法分析一个被试的组块型数据只耗时61 s,sym2基于逐体素算法耗时42 min,SPM8耗时63 s。因此,所提出的方法是一种实用性更强的MFE方法。
出处 《中国生物医学工程学报》 CAS CSCD 北大核心 2012年第4期620-624,共5页 Chinese Journal of Biomedical Engineering
基金 河南省教育厅自然科学基金项目(2007310024 2008A180040) 周口师院博士科研基金项目(2006SRFD002)
关键词 平稳小波变换 相关分析 功能磁共振成像 矩阵运算 特征提取 stationary wavelet transform correlation analysis fMRI matrix operation feature extraction
  • 相关文献

参考文献12

二级参考文献59

  • 1黄世亮,裘鉴卿,叶朝辉.基于小波变换的功能磁共振数据处理方法[J].中国医学影像技术,2006,22(8):1269-1272. 被引量:4
  • 2Crick F,Jones E.Backwardness of human neuroanatomy[J].Nature,1993,361:109-110. 被引量:1
  • 3Lehrer J.Neuroscience:making connections[J].Nature,2009,457:524-527. 被引量:1
  • 4NIH launches the human connectome project to unravel the brain connections[EB/OL].http://www.nih.gov/news/health/jul2009/ninds-15.htm,2009-07-13/2010-12-20. 被引量:1
  • 5Laufs H,Daunizeau J,Carmichael DW,et al.Recent advances in recording electrophysiological data simultaneously with magnetic resonance imaging[J].Neuroimage,2008,40:515-528. 被引量:1
  • 6Valdes-Sosa PA,Sanchez-Bornot JM,Sotero RC,et al.Model driven EEG/fMRI fusion of brain oscillations[J].Hum Brain Mapp,2009,30:2701-2721. 被引量:1
  • 7Lei Xu,Xu Peng,Luo Cheng,et al.fMRI functional networks for EEG source imaging[J].Human Brain Mapping(in press),DOI:10.1002/hbm.21098. 被引量:1
  • 8Goldman RI,Stern JM,Engel J Jr,et al.Simultaneous EEG and fMRI of the alpha rhythm[J].Neuroreport,2002,13:2487-2492. 被引量:1
  • 9Qin Yun,Xu Pang,Yao Dezhong.A comparative study of different references for EEG default mode network:The use of the infinity reference[J].Clinical Neurophysiology,2010,121:1981-1991. 被引量:1
  • 10Raichle,M.The brain's dark energy[J].Scientific American Magazine,2010,302(3):44-49. 被引量:1

共引文献25

同被引文献19

  • 1史玉峰,靳奉祥.复共线Gauss-Markov模型参数估计的最小描述长度方法[J].青岛大学学报(工程技术版),2005,20(1):20-23. 被引量:2
  • 2Friston KJ,Holmes AP,Worsley KJ,et al.Statistical parametric maps in functional imaging:a general linear approach[J].Hum Brain Mapping,1995,2(4):189-210. 被引量:1
  • 3Bullmore E,Fadili J,Maxim V,et al.Wavelets and functional magnetic resonance imaging of the human brain[J].NeuroImage,2004,23(1):S234-S249. 被引量:1
  • 4Wink AM,Roerdink JBTM.Denoising functional MR images:a comparison of wavelet denoising and Gaussian smoothing[J].IEEE Trans Med Imaging,2004,23(3):374-387. 被引量:1
  • 5Meyer FG.Wavelet-based estimation of a semiparametric generalized linear model of fMRI time-series[J].IEEE Trans Med Imaging,2003'22(3):315-322. 被引量:1
  • 6Van De Ville D,Seghier ML,Lazeyras F,et al.WSPM:wavelet-based statistical parametric mapping[J].Neuroimage,2007,37(4):1205-1217. 被引量:1
  • 7Ogawa S, Lee TM, Kay AR, Tank DW. Brain magnetic resonance imaging with contrast dependent on blood oxygenation. Proc. Natl Acad Sci USA, 1990, 87(24):9868-72. 被引量:1
  • 8Friston KJ, Holmes AP, Worsley KJ. Statistical parametric maps in functional imaging:a general linear approach. Human Brain Mapping, 1994, 2(4):189-210. 被引量:1
  • 9McKeown MJ, Makeig S, Brown GG, Jung TP, Kindermann SS, Bell AJ, Sejnowski TJ. Analysis of fMRI data by blind separation into spatial independent component analysis. Human Brain Mapping, 1998, 6(3):160-188. 被引量:1
  • 10Zhang J, Tuo X, Yuan Z, Liao W, Chen H. Analysis of fMRI data using an integrated principal component analysis and supervised affinity propagation clustering approach. IEEE Trans. on Biomedical Engineering, 2011, 58(11):3184-3196. 被引量:1

引证文献2

二级引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部