博士科研启动基金(2006SRFD002)
- 作品数:6 被引量:12H指数:2
- 相关作者:支联合谭素敏支羽光李玉晓赵书俊更多>>
- 相关机构:周口师范学院首都医科大学哈尔滨工业大学(威海)更多>>
- 发文基金:河南省教育厅自然科学基金博士科研启动基金更多>>
- 相关领域:医药卫生更多>>
- 基于小波包变换的特征提取方法分析fMRI数据被引量:1
- 2012年
- 多尺度特征提取(MFE)利用时频特性各异的小波变换尺度分割fMRI数据的频谱,藉此准确提取激活信号和去除干扰。但在多尺度分析中,小波包变换较小波变换分割频带更精细,因此更适合MFE分析fMRI数据。为此,基于小波包变换构建新的MFE,并设计小波包的矩阵算法代替逐体素的迭代算法快速提取激活信号,后用相关分析进行检测。分析听觉fMRI试验数据的结果表明,新MFE检测的激活区位置与原有MFE和国际权威方法统计参数图(SPM8)检测的位置相同,但检测的激活体素个数较原有MFE多13.2%,较SPM8多30.8%。而且新MFE采用矩阵算法分析听觉数据仅消耗31 s,采用逐体素迭代算法耗时48.5 min,SPM8耗时77 s。因此,小波包变换和矩阵算法赋予MFE更好的性能分析fMRI数据。
- 支联合谭素敏杨建国
- 关键词:功能磁共振成像小波包变换特征提取
- 统计参数图和多尺度特征提取用于事件相关fMRI分析的比较被引量:1
- 2011年
- 研究统计参数图(SPM2)和多尺度特征提取(MFE)两种方法处理3个被试的视觉组块型和视觉事件相关型fMRI试验数据的分析性能。当显著性水平选为P=0.001且基于高斯随机场理论修正后,SPM2处理3个被试视觉组块型数据检测出的视觉区激活体素个数仅为MFE检测到的48.9%、43.4%和39.7%,处理事件相关型数据检测到的激活体素个数仅为MFE检测到的49.2%、6.2%和14.7%。特别地,MFE在处理事件相关型fMRI数据时显示出良好的特异性。因此,MFE较之于SPM2在处理事件相关型数据方面有非常明显的优势,是一种特别值得推荐的分析事件相关型fMRI数据的方法。
- 支联合王华东张洁
- 关键词:功能磁共振成像多尺度分析小波变换
- 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
- 2012年
- 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。
- 支联合谭素敏支羽光
- 关键词:平稳小波变换功能磁共振成像矩阵运算特征提取
- 混频对多尺度特征提取方法分析fMRI数据的影响被引量:1
- 2011年
- 目的探讨混频对多尺度特征提取(MFE)方法分析fMRI数据的影响。方法分别在去除和不去除混频条件下用MFE分析模拟数据及听觉fMRI试验数据,并与由SPM8软件运行的广义线性模型(GLM)方法的结果进行比较。结果 MFE在去除和不去除混频两种条件下的特异度均与GLM相同,但MFE不去除混频时的灵敏度优于去除混频时的灵敏度,后者又优于GLM。结论在使用相关分析检测激活的条件下,混频不影响MFE的特异度,但去除混频降低其灵敏度。
- 支联合支羽光谭永杰
- 关键词:磁共振成像特征提取小波变换混频
- 基于离散小波变换的fMRI数据特征提取被引量:7
- 2010年
- 目的设计一种灵敏度高且处理速度快的fMRI数据小波分析方法。方法先用离散小波变换和频谱分析确定有用信号存在的小波分解尺度,也即特征尺度;再对实验数据进行离散小波分解,重构时将非特征尺度里的小波系数设置为0;再以相关分析对小波重构信号进行激活检测。结果对视觉数据的分析结果显示,新方法的灵敏度与基于平稳小波变换、SPM2方法相当,而优于基于提升小波变换的方法 ;新方法的处理速度与基于提升小波变换的方法相当,但较平稳小波变换方法有较大提高。结论本文为fMRI数据提供了一种更为灵敏且快速的小波分析方法 ,更为实用。
- 支联合李玉晓赵书俊单保慈
- 关键词:磁共振成像特征提取离散小波变换
- 基于混频去除和矩阵算法的多尺度特征提取方法分析fMRI数据被引量:1
- 2012年
- 由于采用单尺度重构和迭代重复算法,小波特征提取方法在分析海量性质的fMRI数据时存在着致命的混频干扰及耗时过长的缺陷。把混频去除方法引入小波变换,并设计矩阵算法代替迭代重复算法来提高小波运算速度,由此构造一种全新的小波特征提取方法。利用该方法分析了一个被试的听觉fMRI数据,并同基于迭代重复算法的小波特征提取方法和国际上权威的SPM8方法进行比较。结果表明,所提出方法的运算速度最快,检测性能与基于迭代重复算法的相同而远优于SPM8,是一种实用性更强的分析fMRI数据的特征提取方法。而且,用小波变换分析其他种类的信号时也可采用所给出的矩阵算法,以提高其运算速度。
- 支联合谭素敏杨建国
- 关键词:频率混叠矩阵运算功能磁共振成像