基于独立成分分析的fMRI数据分类

作者：张芳芳; 李楠

来源：计算机应用与软件, 2019, 36(11): 107-111.

• 功能磁共振成像
• 独立成分分析
• Adaboost
• 特征提取
• 机器学习

针对功能磁共振成像(functional Magnetic Resonance Imaging, fMRI)数据分类方法中多余的预测变量和实验噪声等导致无法准确提取数据的有效特征,影响分类准确率的问题,提出将独立成分分析(Independent Component Analysis,ICA)算法与Adaboost数据分类方法相结合用于分析fMRI数据。利用ICA算法通过线性变换将体素信息分解为统计独立的源信号的线性组合;不断更新分离矩阵提取脑组织边缘变化的特征信息;利用ICA算法得到的特征信息训练Adaboost分类器。实验结果显示该方法得到的平均分类准确率达到84.72%,表明其有助于对大脑中形成的视觉图像信息进行分类,为解码fMRI数据提供了一种方法。

• 单位
  太原理工大学