科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决受限玻尔兹曼机(RBM)在功能磁共振成像(fMRI)脑功能连通性检测中遇到的体素数量过多和模型参数难以选择的问题,提出一种结合主成分分析(PCA)和Bootstrap区间估计的受限玻尔兹曼机方法,选出fMRI数据中的部分体素,从而削减体素数量。以经体素削减处理后剩余体素的时间过程作为样本,采用改进的学习算法训练RBM,根据模型权重参数重建脑功能网络空间图谱。实验结果表明,在单被试fMRI脑功能联通性检测中,基于RBM的方法在空间域和时间域中的分析结果明显优于稀疏近似联合受限玻尔兹曼机方法。基于RBM的方法和Infomax ICA方法的空间域ROC曲线非常接近,但前者在时间域上的时间过程与实验刺激BLOCK的相关性更高。实验结果表明,基于RBM的方法能够有效地降低样本中的体素数量和模型参数选择的复杂度,提高RBM在fMRI数据分析中的性能。
- 出版日期2017
- 单位上海海事大学
