基于深度学习的fMRI数据分析在偏头痛研究中的应用

偏头痛作为一种常见的疾病,发病概率高,致病机理尚不明确,并且临床缺乏有效的诊断手段.运用功能核磁共振成像技术获取被试脑功能数据,然后通过深度学习中自动编码器,自动提取数据特征,并结合各种机器学习算法,预测偏头痛,为临床诊断提供参考依据.用深度学习提取数据特征,训练分类器,能达到更好的分类效果.深度学习算法可以在传统模板获取初步特征之后,进一步提取更加精细有效的特征,在预测偏头痛上获得更好的分类性能.     

油渣代替合脂油芯的试验和应用

油渣代替合脂油芯的试验和应用赵晶波，石玉虎，陈胜难一、油渣砂的基本特性１．油渣的加工过程油渣是原油经过蒸馏后的残渣．含３０％的原油量、其化学成份和物理性能很不稳定、它是随原油及蒸馏工艺而定．所以在使用前必须经过进一步脱水处理．并加入一定数量的沥青方可...     

功能磁共振成像视角下的脑功能连通性分析与脑可塑性

依据功能磁共振成像技术探究脑功能可塑性,对解码人脑认知活动与模拟类脑智能具有十分重要的意义,同时也是一项极具挑战性的工作。然而,脑功能可塑性可通过脑功能连通的变异性来体现,而该变异性的捕捉又依赖于有效的脑功能连通性分析模型。因此,本文首先就当前主要的脑功能连通性分析方法进行了综述,并分析了各方法的局限性;然后基于脑功能连通性研究的证据,总结与分析了脑功能可塑性与职业因素之间的复杂关系;最后对脑功能连通性分析模型、脑功能可塑性等研究方向进行了展望。     

基于非负性约束K-SVD的fMRI盲源信号分离

近年来,K-SVD算法在功能磁共振成像（functional magnetic resonance imaging,fMRI）数据分析方法的研究中越来越受到关注.在本文中,提出了一种新的基于非负性约束K-SVD （Non-negative K-SVD,NK-SVD）的盲源信号分离（Blind Source Separation,BSS）方法.首先,随机初始化字典矩阵,利用正交匹配追踪算法（Orthogonal Matching Pursuit,OMP）求得稀疏向量矩阵;然后利用NK-SVD迭代更新字典矩阵和稀疏向量矩阵;进一步,对字典矩阵求伪逆,乘以原始信号数据,可得到脑功能激活区;最后,将本文的方法应用于模拟数据和真实数据,结果证明了方法的有效性,并且比传统算法有更好的效果.