Clustering of Dependent Components: A New Paradigm for fMRI Signal Detection

Clustering of Dependent Components: A New Paradigm for fMRI Signal Detection

Tác giả: Anke Meyer-Bäse, Monica K. Hurdal, Oliver Lange, Helge Ritter

Lĩnh vực: Electrical and Computer Engineering, Mathematics, Neuroinformatics

Nội dung tài liệu:

Nghiên cứu này trình bày một cách tiếp cận mới trong phân tích dữ liệu fMRI, gọi là phân cụm các thành phần phụ thuộc (dependent components clustering). Phương pháp này kết hợp hai kỹ thuật phân tích dữ liệu khám phá mạnh mẽ là phân tích thành phần độc lập (ICA) và các kỹ thuật phân cụm không giám sát. Mục tiêu là cải thiện việc phát hiện các tín hiệu hoạt động của não bộ trong dữ liệu fMRI. Bài báo giới thiệu và so sánh định lượng hai thuật toán ICA mới: tree-dependent ICA và topographic ICA, với các phương pháp ICA tiêu chuẩn. Kết quả so sánh cho thấy cả hai phương pháp ICA mới đều có khả năng xác định các thành phần tín hiệu có tương quan cao với kích thích fMRI. Đặc biệt, topographic ICA vượt trội hơn các phương pháp ICA khác đối với 8 và 9 thành phần độc lập (ICs), trong khi tree-dependent ICA (KGV) lại cho kết quả tốt hơn đối với 16 ICs khi sử dụng ước lượng biến phương sai tổng quát nhân (kernel generalized variance) cho thông tin tương hỗ. Khả năng ứng dụng của các thuật toán mới này đã được minh chứng trên dữ liệu thực nghiệm.

Mục lục chi tiết:

• 1. Introduction
• 2. Exploratory Data Analysis Methods
• 3. Results and Discussion
• 4. Conclusion