基于受限玻尔兹曼机的脑功能连通性检测方法

发布时间：2017-09-09 05:39

本文关键词：基于受限玻尔兹曼机的脑功能连通性检测方法

【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。
【作者单位】：上海海事大学信息工程学院;
【关键词】： 功能磁共振成像 功能连通性 受限玻尔兹曼机 主成分分析 区间估计 体素削减
【基金】：国家自然科学基金(31470954) 上海市科委基金(14590501700)
【分类号】：R445.2;TP391.41
【正文快照】： 中文引用格式:陈艳阳,曾卫明,王倪传.基于受限玻尔兹曼机的脑功能连通性检测方法[J].计算机工程,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

【相似文献】

中国硕士学位论文全文数据库前10条

1 李娟;基于RBM的小分子活性及选择性研究[D];兰州大学;2015年

2 叶睿;基于深度学习的人脸检测方法研究[D];哈尔滨工业大学;2015年

3 张卫东;深度信念网络及其在手写字体识别中的应用[D];成都理工大学;2015年

4 施维劏;门限玻尔兹曼机在人脸识别中的鲁棒性研究[D];北京交通大学;2015年

5 万程;自适应基数受限玻尔兹曼机[D];清华大学;2015年

6 李亦锬;受限的玻尔兹曼机在背景建模和文本建模中的研究与应用[D];中国科学技术大学;2016年

7 张艳霞;基于受限玻尔兹曼机的深度学习模型及其应用[D];电子科技大学;2016年

8 朱常宝;基于深度玻尔兹曼机的特征学习算法研究[D];北京化工大学;2016年

9 张怡康;基于受限玻尔兹曼机的深度学习方法研究[D];北京化工大学;2016年

10 董时静;全局形状与局部一致性联合建模的显著性检测[D];大连理工大学;2016年