基金Supported by the Guangxi National Natural Science Foundation (2016GXNSFBA380160, 2016JJD110017, 2016GXNSFAA380226), the GuangxiUniversity Teaching Research Project (KY2015ZD143), the Guangxi Key Laboratory for Nonlinear Circuit and Optical Communication (
文摘盲分解(blind source separation,BSS)是经典的功能磁共振成像(functional magnetic resonance imaging,fMRI)数据驱动类分析方法.独立成分分析(independent component analysis,ICA)是fMRI数据盲分解的常用方法之一,主要利用源分量的独立性假设来从fMRI数据中提取持续任务相关(consistent task related,CTR)成分.然而在实际fMRI数据处理中发现源分量的独立性假设很难完全满足.为了提高CTR成分提取准确率,利用CTR分量空间稀疏性特点,引入基于凸分析的盲分解技术来分析fMRI数据.新方法包含两个步骤,首先利用fMRI观测数据构建一个凸集合,将源分量定位问题转化为在几何上确定凸集合端点;其次,通过体积最大法来确定凸集合端点.数值结果表明该方法可以从fMRI数据中提取更多有用信息,提高了CTR分量获取的准确率,有利于定位与任务相关的脑激活区.
