基于压缩感知与快速迭代阈值收缩算法的脑功能网络重建

发布时间：2021-03-16 01:02

　　基于静息态功能磁共振成像（fMRI）构建脑功能网络是揭示人脑运作机制的有效手段,但是目前常见的脑功能网络普遍包含大量噪声从而导致错误的分析结果。本文使用压缩感知中的最小绝对值收缩和选择算子（LASSO）模型对脑功能网络进行降噪重建,该模型利用L1范数惩罚项的稀疏性避免过拟合问题。然后,通过快速迭代阈值收缩算法（FISTA）求解,该算法在每一次迭代中通过一个收缩阈值操作来更新变量,从而收敛到全局最优解。实验结果表明:与其他几种方法相比,该方法可以将脑功能网络降噪重建的准确率提高到98%以上,有效地抑制了噪声,有助于即使在噪声环境下也能很好地探索人脑的功能。 

【文章来源】：生物医学工程学杂志. 2020,37(05)北大核心

【文章页数】：8 页

【部分图文】：

原始二值矩阵与含噪声矩阵

不同正则化参数对应的重建准确率

迭代100次、200次后的二值矩阵


本文编号：3085129