期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
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
1
作者 支联合 谭素敏 支羽光 《中国生物医学工程学报》 CAS CSCD 北大核心 2012年第4期620-624,共5页
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... 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。 展开更多
关键词 平稳小波变换 相关分析 功能磁共振成像 矩阵运算 特征提取
在线阅读 下载PDF
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
2
作者 支联合 谭素敏 杨建国 《中国生物医学工程学报》 CAS CSCD 北大核心 2012年第3期471-475,共5页
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... 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。 展开更多
关键词 小波变换 频率混叠 矩阵运算 功能磁共振成像
在线阅读 下载PDF
基于小波包变换的特征提取方法分析fMRI数据 被引量:1
3
作者 支联合 谭素敏 杨建国 《中国生物医学工程学报》 CAS CSCD 北大核心 2012年第6期956-960,共5页
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... 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。 展开更多
关键词 功能磁共振成像 小波包变换 特征提取 相关分析
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部