基于独立成分分析和时间相关分析的脑功能连通研究方法[英文]

目的:利用静息状态功能磁共振成像(functional magnetic resonance imaging,fMRI)技术,提出联合独立成分分析(independent component analysis,ICA)和时间相关分析的人脑功能连通性研究方法。方法:首先采用空间ICA定位任务激活的脑区;然后选择一个激活区作为感兴趣区域(region of interest,ROI),采用时间相关分析方法检测静息状态大脑特定皮层的功能连通性,并通过检测人脑运动皮层的功能连通性验证方法的有效性。结果:大脑运动皮层功能连通网络包括初级运动区、辅助运动区、初级感觉皮层、背侧前运动区和后顶骨体觉区。实验结果表明,静息状态下,时间相关分析检测到的运动皮层的功能连通网络与已知的解剖连通相一致。结论:利用静息fMRI,结合空间ICA和时间相关分析方法,检测了静息时人脑运动皮层的功能连通网络,为脑区间功能连通的研究提供了一种简便的、无损的、有效的研究方法。     

基于空间约束的时间独立成分分析方法分析fMRI数据

首先采用相关分析初步检测可能的功能激活区域,并以初步检测的功能激活区域作为空间约束条件,对fMRI数据进行时间模式的独立成分分析,然后利用功能实验设计时序信息,通过典型相关分析方法对独立成分排序,自动识别与功能实验设计相关的功能信号成分,最后以识别的功能信号成分作为参考函数,重新利用相关分析自适应地分析fMRI数据。通过对实际的fMRI数据分析验证了提出方法的有效性及可靠性。     

一种基于独立成份分析的fMRI时-空模型数据处理方法

独立成份分析(ICA)是信号处理领域中斯近发展起来的一种很有应用前景的方法，而脑功能磁共振(fMRI)信号的有效分离与识别是一个正在研究和试验之中的技术领域。因此，发展基于ICA的fMRI数据处理方法具有明显的理论价值和应用前景。本文首先介绍了ICA原理，分析了现行ICA—fMRI方法采用的信号与噪声的空域分布相互独立的信号模型所存在的明显不足，然后提出了微域中的信号与噪声的时域过程相互独立的fMRI信号模型，从而建立了一种新的fMRI数据处理方法：邻域独立成份相关法。合理的fMRI实验数据处理结果验证了新方法的合理性。     

独立成分分析在生物医学信号处理中的应用

独立成分分析(independent component analysis，ICA)已经成功地应用到生物医学信号处理中，并被证明是一种分析生物医学信号的强有力的工具，近年来一直受到国内外学的广泛关注。本系统地介绍了独立成分分析在生物医学信号(EEG，MEG，fMRI)处理中的应用，分析了其应用方法，最后简要地探讨了独立成分分析应用到生物医学信号中的优势及存在的一些不足。     

新的独立成分分析算法结合主成分分析实现fMRI信号的盲分离

用ICA算法来实现fMRI信号的盲源分离,可以提取出产生fMRI信号的多种源信号。但是在处理过程中存在两个困难:(1)fMRI数据的规模比较大,计算耗时;(2)计算量太大难免产生误差,给结果的分析带来不便。所以我们考虑对数据进行降维,但是如何确定源信号的个数也是一个难题。我们利用信息论的方法来估计源信号的个数,再使用主成分分析对数据进行降维。通过这样的处理,有效地确定了源信号的个数,减少了计算量。然后将一种新的ICA算法(New fixed-point,NewFP)用于处理降维后的数据。最后通过对实际的fMRI信号进行处理,结果表明新算法可以快速有效的分离fMRI信号,且准确性优于FastICA算法。     

独立成分分析在生物医学信号处理中的应用

独立成分分析(independentcomponentanalysis熏ICA)已经成功地应用到生物医学信号处理中,并被证明是一种分析生物医学信号的强有力的工具,近年来一直受到国内外学者的广泛关注。本文系统地介绍了独立成分分析在生物医学信号(EEG,MEG,fMRI)处理中的应用,分析了其应用方法,最后简要地探讨了独立成分分析应用到生物医学信号中的优势及存在的一些不足。     

基于独立成分分析的青年吸烟者大脑静息态执行网络功能连接变化研究

采用独立成分分析方法探索40名青年吸烟者和40名年龄与性别相匹配的非吸烟者的静息态功能磁共振数据,并结合“双重回归”方法探索吸烟者执行网络功能连接变化,同时将有变化的脑区与吸烟统计学数据进行Pearson’s双变量相关分析,例如年龄、包年、FTND、烟龄等。通过研究发现,青年吸烟者的大脑右中央执行网络的功能连接性增强,相关分析表明执行网络包含的背外侧前额叶皮质与烟龄呈显著性负相关（r=-0.339, P=0.032）。此项研究结果表明,吸烟对右侧中央执行网络的功能连接有一定的影响,研究结果可能为青年吸烟成瘾者的神经机制的特征提供额外的新见解。     

基于独立成分分析的遗尿症儿童脑功能网络研究

目的:用独立成分分析（ICA）的方法对原发性单症状夜间遗尿症（PMNE）儿童的脑功能网络成分间连接进行研究。方法:采集35例PMNE儿童和25例健康儿童脑功能磁共振图像,通过ICA获得每个被试的脑功能网络成分,然后计算每个被试脑功能网络成分间的功能连接强度,比较PMNE儿童与健康对照组的强度差异。结果:与对照组对比,PMNE患者的右侧执行控制网络与默认模式网络、左侧执行控制网络均存在功能连接异常（FDR, P<0.05）。结论:PMNE儿童存在脑功能网络成分间的连接异常,这可能为理解PMNE儿童的病理机制提供一些新的影像学依据。     

独立分量分析在功能磁共振成像信号功能活动区检测中的应用

主要讨论独立分量分析(ICA)在功能磁共振成像(fMRI)信号功能区检测中的应用。fMRI利用血氧水平依赖(BOLD)效应成像，根据大脑神经元兴奋后局部血氧饱和度增高的原理间接显示神经元活动。假设fMRI信号中包含反映血氧饱和度事件相关的信号、生理噪声和仪器产生的随机噪声等独立分量，首先对fMRI信号进行去噪、配准等预处理，然后利用fastlCA算法对独立分量进行分离，有效抑制噪声对功能区检测的影响，利用相关原理检测出fMRI信号的功能活动区。     

基于多目标优化约束独立成分分析方法的fMRI数据分析研究

约束独立成分分析(CICA)通过加入先验信息,可极大地提高独立成分分析(ICA)的盲源信号分析性能,但还存在先验信息难以获取、先验信息约束条件阈值参数难以选择以及先验信息难以被有效利用等问题,需要进一步研究和解决.在多目标优化框架的基础上,建立一种同时融合时空先验信息的CICA模型,可有效规避CICA中阈值参数选择的问...     

Localization of Latent Epileptic Activities Using Spatio-Temporal Independent Component Analysis of fMRI Data

Summary Localizing interictal epileptic activities is a difficult problem in clinical practice. We report a novel noninvasive technique, resting functional magnetic resonance imaging (fMRI) with spatio-temporal independent component analysis (ICA), for localizing interictal epileptic activities. First, the fMRI data is separated into independent spatial patterns by spatial-ICA, and the patterns with Z-values larger than a threshold are selected as the potential spatial patterns of the epileptic activities. Second, the temporal series of the active points in the selected patterns are separated by temporal-ICA, and the component with the biggest Gaussian deviation (kurtosis) is selected as the representative of the epileptic discharge activity in a sub-region. Finally, those spatial sub-regions, which have distinct epileptic discharge activities confirmed by temporal–ICA are considered as the epileptic foci. This method was applied to fMRI data of six epileptic patients, and the results are consistent with the clinical assessment. Though more studies are required to validate this technique, the above preliminary results demonstrate the potential of using the resting fMRI with spatio-temporal ICA to detect and localize latent epileptic activities. An erratum to this article can be found at     

基于独立分量分析的脑电噪声消除

作为一种新的多元统计处理方法，独立分量分析(ICA)是解决盲源分离(BSS)问题的一个有效手段。在简要分析ICA理论及其算法的基础上，提出将其应用到脑电中的眼电伪迹的去除任务。实际采集的生理信号大多由相互独立的成分线性迭加而成，符合ICA要求源信号统计独立的基本假设。与传统方法相比，ICA这种空间滤波器不受信号频谱混迭的限制，消噪的同时能对有用信号的细节成分做到很好的保留，很大程度上弥补了时频域方法的不足。此外解混矩阵的逆可以用来反映独立源的空间分布模式，具有重要的生理意义。     

基于独立分量分析的大脑视觉诱发电位单次提取

脑电 (Electroencephalography ,EEG)视觉诱发电位 (VisualEvokedPotential,VEP)的单次提取是当前生物医学信号处理领域的一个研究热点。提出一种基于独立分量分析 (IndependentComponentAnalysis,ICA)的多道脑电信号VEP单次提取方法 ,与多次叠加求平均的方法相比较 ,可以得到令人满意的结果。     

一种独立成分分析的鲁棒算法及其在脑磁图数据分析中的应用

独立成分分析是一种新的信号处理统计方法。被广泛用于各个领域。在信号分析中面临的难题是：源信号的不同特性（既包括超高斯信号又包括亚高斯信号）；未知的独立源数目；传感器信号受到较大的加性噪声污染。针对以上难题，本文提出了一种独立成分分析的鲁棒算法。该方法先对观测数据作预处理，将包含噪声的高维传感器观测信号降维分解到信号子空间和噪声子空间。利用交叉验证法估计出独立源的数目（解决了独立成分分析本身不能确定源数目的缺陷）；然后利用快速稳定的FastICA算法分离独立成分。通过人工合成的数据和实际的脑磁图数据分析。验证了这种方法的功效。     

注意缺陷多动障碍儿童的脑功能磁共振成像研究

【摘要】目的对正常儿童和注意缺陷多动障碍（ADHD））L童进行对比研究,观察2者的脑功能结构是否有生理性差异,从而加深对注意缺陷多动障碍病理机制的理解与认识,为诊断和治疗提供可靠的依据。方法利用脑功能磁共振成像（fiR[）技术,对2组儿童进行数据采集（一组为正常儿童,一组为注意缺陷多动障碍患者）,每组各5名;并对采集的数据分别用独立成分分析和统计参数映射技术进行处理分析,以研究这2种方法在处理数据过程中的优劣和差异。结果2种方法虽分别从数据和模型化2个不同方面对数据进行处理,各有优缺点,但都显示出ADHD患者与正常组被试的大脑激活区域的明显差异。ADHD患者的小脑扁桃体激活区增强,前额叶系统功能激活区减弱。结论通过不同方法对比fMRI结果各组之间的差异,进一步验证了ADHD患者的反应抑制缺陷。