本文關鍵詞：基于受限玻爾茲曼機的腦功能連通性檢測方法

  更多相關文章： 功能磁共振成像 功能連通性 受限玻爾茲曼機 主成分分析 區(qū)間估計 體素削減

【摘要】：為解決受限玻爾茲曼機(RBM)在功能磁共振成像(fMRI)腦功能連通性檢測中遇到的體素數(shù)量過多和模型參數(shù)難以選擇的問題,提出一種結合主成分分析(PCA)和Bootstrap區(qū)間估計的受限玻爾茲曼機方法,選出fMRI數(shù)據(jù)中的部分體素,從而削減體素數(shù)量。以經(jīng)體素削減處理后剩余體素的時間過程作為樣本,采用改進的學習算法訓練RBM,根據(jù)模型權重參數(shù)重建腦功能網(wǎng)絡空間圖譜。實驗結果表明,在單被試fMRI腦功能聯(lián)通性檢測中,基于RBM的方法在空間域和時間域中的分析結果明顯優(yōu)于稀疏近似聯(lián)合受限玻爾茲曼機方法。基于RBM的方法和Infomax ICA方法的空間域ROC曲線非常接近,但前者在時間域上的時間過程與實驗刺激BLOCK的相關性更高。實驗結果表明,基于RBM的方法能夠有效地降低樣本中的體素數(shù)量和模型參數(shù)選擇的復雜度,提高RBM在fMRI數(shù)據(jù)分析中的性能。
【作者單位】： 上海海事大學信息工程學院;
【關鍵詞】： 功能磁共振成像 功能連通性 受限玻爾茲曼機 主成分分析 區(qū)間估計 體素削減
【基金】：國家自然科學基金(31470954) 上海市科委基金(14590501700)
【分類號】：R445.2;TP391.41
【正文快照】： 中文引用格式:陳艷陽,曾衛(wèi)明,王倪傳.基于受限玻爾茲曼機的腦功能連通性檢測方法[J].計算機工程,2017,43(1):231-236.英文引用格式:Chen Yanyang,Zeng Weiming,Wang Nizhuan.Brain Functional Connectivity Detection Method Basedon Restricted Boltzmann M achine[J].Comput

【相似文獻】

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李娟;基于RBM的小分子活性及選擇性研究[D];蘭州大學;2015年

2 葉睿;基于深度學習的人臉檢測方法研究[D];哈爾濱工業(yè)大學;2015年

3 張衛(wèi)東;深度信念網(wǎng)絡及其在手寫字體識別中的應用[D];成都理工大學;2015年

4 施維劏;門限玻爾茲曼機在人臉識別中的魯棒性研究[D];北京交通大學;2015年

5 萬程;自適應基數(shù)受限玻爾茲曼機[D];清華大學;2015年

6 李亦錟;受限的玻爾茲曼機在背景建模和文本建模中的研究與應用[D];中國科學技術大學;2016年

7 張艷霞;基于受限玻爾茲曼機的深度學習模型及其應用[D];電子科技大學;2016年

8 朱常寶;基于深度玻爾茲曼機的特征學習算法研究[D];北京化工大學;2016年

9 張怡康;基于受限玻爾茲曼機的深度學習方法研究[D];北京化工大學;2016年

10 董時靜;全局形狀與局部一致性聯(lián)合建模的顯著性檢測[D];大連理工大學;2016年

，

本文編號：818616