改进的ICA算法及其在fMRI信号上的应用

摘要：

针对目前广泛使用的两种独立成分分析(ICA)算法(fixed-point算法和infomax算法)在处理功能磁共振成像(fMRI)数据时速度较慢的特点,给出了独立成分分析的一个优化模型,在此基础上,提出了一种快速的牛顿型迭代算法.该算法采用修正后的牛顿迭代形式,使收敛速度达到三阶.将文中算法与其它两种算法应用于实际fMRI数据,实验结果表明,文中算法能够很好地分离出任务成分,同时大大减少了运算量,提高了运算速度,在处理大数据量的fMRI信号方面有明显的优势.

关键词：独立成分分析、盲源分离、牛顿迭代法、功能磁共振成像

所属期刊栏目：37

分类号：TN911.7

资助基金：国家"863"计划项目2007AA02Z4A9;国家自然科学基金资助项目30671997

在线出版日期：2009-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：27-30