多元统计方法在fMRI数据分析中的应用
文献类型：学位论文
| 作者 | 甄宗雷 |
| 学位类别 | 工学博士 |
| 答辩日期 | 2007-06-19 |
| 授予单位 | 中国科学院研究生院 |
| 授予地点 | 中国科学院自动化研究所 |
| 导师 | 田捷 |
| 关键词 | 功能磁共振成像 激活区检测 功能连接提取 一元分析 多元分析 局部区域 脑激活模式 functional Magnetic Resonance Imaging(fMRI) activation detection functional connectivity extraction multivariate analysis unvariate analysis local brain region fine-scale activity patterns |
| 其他题名 | Multivariate statistical analysis of functional MRI data |
| 学位专业 | 计算机应用技术 |
| 中文摘要 | 本文以从fMRI数据中提取更丰富脑活动信息为目标，以局部脑区fMRI数据的多元分析为主线，提出了几种新的激活区检测和功能连接网络提取算法： 1. 提出了一种联合多元分析和一元分析对局部脑区内精细脑活动模式进行检测的算法.仿真实验和真实数据分析结果表明该方法通过自适应加强局部脑活动信号,可比标准一元分析更好地提取到局部激活脑区的精细空间结构. 2. 提出了一种基于局部脑区活动模式信息的激活区检测算法.仿真实验和真实数据分析结果表明该方法可有效利用局部脑区精细活动模式信息,从而比标准一元分析更完整地提取到脑激活区. 3. 引入偏相关分析来计算不同体素间的功能相关,为静息功能连接提取中更好地控制混淆变量提供了新的尝试.对不同真实数据的分析结果表明该方法可有效控制混淆因素影响,比常用皮尔逊相关分析更可靠地提取静息脑功能连接. 4. 提出了一种基于多元相关技术(RV-系数)的脑功能连接提取算法.仿真数据和真实数据分析结果表明该方法通过有效利用局部脑区内多体素活动信息度可更完整地度量不同脑区活动的相似性,从而比常用的皮尔逊相关分析更可靠地提取脑功能连接. |
| 英文摘要 | Research contents and main contributions of this thesis are outlined as follows: 1. To improve the sensitivity of activation detection, multivariate statistical technique and univariate statistical technique are combined to discover the fine-grained activity patterns. Experiments with real fMRI data demonstrate that the proposed technique can obtain more fine brain activity patterns than that from conventional GLM analysis. 2. A local multivariate distance mapping (LMDM) technique is proposed to detect the brain activation. LMDM employs the multivariate distance between the different brain activity patterns to discriminate the brain states at fine scales. Results from both simulated data and real fMRI data demonstrate that LMDM dramatically increases the sensitivity of the detection of the fine-scale brain activity patterns. 3. Partial correlation analysis is introduced to map resting state functional connectivity. Experiments with real fMRI data demonstrate that partial correlation analysis could perform a better mapping of brain functional connectivity than Pearson correlation analysis. 4. Multivariate correlation technique called RV-coefficient is proposed to detect the meaningful patterns of functional connectivity. Results from both simulated data and real fMRI data demonstrate that multivariate correlation analysis could perform a better mapping of brain functional connectivity than Pearson correlation analysis. |
| 语种 | 中文 |
| 其他标识符 | 200418014628053 |
| 源URL | [http://ir.ia.ac.cn/handle/173211/6028]  |
| 专题 | 毕业生_博士学位论文 |
| 推荐引用方式 GB/T 7714 | 甄宗雷. 多元统计方法在fMRI数据分析中的应用[D]. 中国科学院自动化研究所. 中国科学院研究生院. 2007. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。