基于非環(huán)特性的復數(shù)fMRI數(shù)據(jù)模型階數(shù)估計方法研究.pdf

1、功能核磁共振成像信號(functional Magnetic Resonance Imaging，fMRI)是應(yīng)用較為廣泛的復數(shù)高維腦功能信號，能夠觀測活動中的大腦信號。同時具有空間分辨率高、非侵入等特點。較為常見的fMRI處理過程包括降維、白化、盲信號分離等步驟。其中盲分離性能對降維成分數(shù)（即模型階數(shù)）較為敏感，過大或過小可造成有效成分的混迭。以往的模型階數(shù)估計工作主要限于信息論方法，該方法需要下采樣以滿足其獨立同分布要求。然而，下采

2、樣可造成信息損失，進而導致階數(shù)欠估計。另外，復數(shù)fMRI數(shù)據(jù)含有較大的噪聲干擾，對模型階數(shù)估計也構(gòu)成了挑戰(zhàn)。為此，本文擬利用完整的fMRI數(shù)據(jù)，并輔以消噪和引入復數(shù)fMRI數(shù)據(jù)特性，提出了一種新的模型階數(shù)估計方法。
　　本文主要工作如下:
　　(1)研究了復數(shù)fMRI的非環(huán)形特性，給出了復數(shù)信號的非環(huán)形性定義，研究了fMRI幾種非環(huán)形度(DOI)的具體計算方法，并針對本文要求進行了選擇。
　　(2)采用PCA方法對復數(shù)

3、fMRI信號進行消噪。介紹了非環(huán)PCA方法，包括詳細的計算方法以及與標準PCA的區(qū)別和聯(lián)系，利用仿真信號和實際fMRI數(shù)據(jù)進行了兩種PCA的比較，得到標準PCA適于fMRI消噪的結(jié)論。
　　(3)提出了基于標準PCA消噪信號DOI特性的模型階數(shù)估計方法，基于SORTE算法對不同主成分下的消噪信號DOI曲線進行拐點檢測。利用本文方法和信息論方法對fMRI仿真信號和實際信號進行了模型階數(shù)估計，展示了兩種方法所分離感興趣成分的性能，表明