功能磁共振數(shù)據(jù)分析的聚類方法應(yīng)用研究.pdf

1、功能磁共振成像（functional magnetic resonance imaging，fMRI）是用來研究人腦在刺激響應(yīng)下的功能的神經(jīng)影像學(xué)技術(shù)，它是目前發(fā)展最快、最有效的一種測量腦活動的技術(shù)。功能磁共振成像結(jié)合了功能、影像和解剖三方面的因素，通過分析由fMRI設(shè)備測量的血氧水平依賴（blood oxygenation level-dependent，BOLD）信號的變化，來檢測不同知覺、運動或認知控制下的腦激活區(qū)域。功能磁共振成

2、像具有諸多優(yōu)勢，如無創(chuàng)傷性、無放射性、具有較高的時間和空間分辨率、可多次重復(fù)操作等。因此，功能磁共振成像作為腦功能成像的首選方法已被廣泛應(yīng)用。隨著功能磁共振成像技術(shù)的發(fā)展，許多fMRI數(shù)據(jù)處理方法應(yīng)運而生，并取得了不少成果。這些技術(shù)包括廣義線性模型（general linear model，GLM）、ICA、聚類方法等。 本文采用一種無監(jiān)督的聚類方法進行fMRI數(shù)據(jù)分析。某個特定問題選擇某種聚類方法的出發(fā)點是選擇一種標準來決定相

3、同類的成員。fMRI數(shù)據(jù)中的一個體素是否屬于某種激活區(qū)域，僅與這個體素時間向量的波形（Waveform）有關(guān)，而與幅度無關(guān)，相同激活的體素時間向量聚類于某一向量周圍形成柱狀而不是球狀。本文的方法采用一種柱狀的標準，建立了數(shù)據(jù)的概率分布模型，并根據(jù)最大似然估計法則，使用EM算法得到不同激活的時間特征向量（Signature Vector）。由于極大似然準則本身不能確定最優(yōu)分類數(shù)，似然函數(shù)的極大值是分類數(shù)的非減函數(shù)，所以本文提出的方法還根據(jù)

4、MDL（Minimum Descriptions Length）準則，比較不同分類數(shù)下加入懲罰項的似然函數(shù)的值，得到一個最優(yōu)的分類數(shù)。 獲得不同激活的時間特征向量后，本文方法利用最優(yōu)線性變換（Optimal Linear Transformation，OLT）來產(chǎn)生fMRI腦激活圖（Brain Activation Map）。OLT是一種圖像特征空間的分析技術(shù)，它能夠最大化目標激活區(qū)域的信噪比，同時去除非目標激活區(qū)域和非激活區(qū)域