基于复值ICA和张量分解的完备fMRI数据分析方法研究

项目名称： 基于复值ICA和张量分解的完备fMRI数据分析方法研究

项目编号： No.61379012

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 无线电电子学、电信技术

项目作者： 林秋华

作者单位： 大连理工大学

项目金额： 60万元

中文摘要： 脑功能研究是世界范围内的重点和难点，而功能磁共振成像（fMRI）凭借其无损伤和高空间分辨率优势，已成为脑功能研究的重要手段之一。原始完备的复数fMRI数据含有丰富的脑功能信息。然而，因fMRI数据的信噪比极低，现有分析方法在脑信息提取前须去除30%-50%的脑内体素数据对其消噪，这导致一些脑功能成分随fMRI载体数据的缺失而缺失。为此，本项目拟研究能有效利用完备fMRI数据的复值ICA及张量分析方法，以期提取以前没有提取到或提取不完整的脑功能信息。具体而言，拟深入挖掘完备fMRI数据的非高斯性、非环形性、相位特性和频率特性，进而提出利用这些特性的无体素去除消噪方法、完备fMRI数据的维数估计方法、复数fMRI相位模糊去除方法、单被试和多被试分析的复值ICA方法，及fMRI组分析的张量分解方法。受益于完备fMRI数据的充分利用，本项目方法有望提取更多更完整的脑功能信息，为脑功能研究提供支持。

中文关键词： 独立成分分析；张量分解；复数fMRI数据；相位消噪；维数估计

英文摘要： Research on brain function is a challenging and significant topic of worldwide interests, and functional magnetic resonance imaging (fMRI) has been an important approach to it in the past decades, thanks to its non-invasive nature and high spatial resolut

英文关键词： Independent component analysis；tensor decomposition；complex-valued fMRI data；phase denoising；model order selection