جداسازی سیگنال فعالیت در داده های fMRI توسط روش تحلیل مؤلفه های مستقل (ICA)
محل انتشار: یازدهمین کنفرانس مهندسی پزشکی ایران
سال انتشار: 1382
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,649
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICBME11_053
تاریخ نمایه سازی: 27 تیر 1387
چکیده مقاله:
در این مقاله یک روش جدید برای تحلیل مؤلفه های مستقل (ICA) با نام نقطه ثابت (fixed-point) معرفی شده و کارایی آن برای جداسازی سیگنال فعالیت fMRI از سیگنال های نویز و سایر سیگنالها مورد بررسی قرار گرفته است. ابتدا این الگوریتم را روی داده های ساختگی امتحان کرده و از میزان قابلیت این الگوریتم در جداسازی سیگنالهای مختلف اطمینان حاصل کرده تا مقایسه ای بین این روش جدید با روش های معمول ICA مثل infomax انجام شود. سپس در مورد یک مجموعه تصاویر fMRI مربوط به یک آزمایش حرکتی به کار گرفته شده است. نتایج به دست آمده نشان می دهد که الگوریتم نقطه ثابت بسیار سریع تر از روش های معمول همگرا می شود و توانایی بازسازی انواع سیگنال ها را دارد و بدون اینکه احتیاجی به داشتن اطلاعات در مرود نحوه انجام آزمایش و زمان شروع و خاتمه آن باشد به خوبی سیگنال فعالیت و ناحیه فعال مغز را جدا می کند.
کلیدواژه ها:
تحلیل مؤلفه های مستقل (ICA) - fMRI - نقطه ثابت (Fixed-Point)
نویسندگان
ستار میرزا کوچکی
استادیار دانشکده مهندسی برق دانشگاه علم و صنعت
امیرحسین طاهرزاده
دانشجوی مقطع کارشناسی ارشد دانشکده فنی دانشگاه گیلان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :