利用pca分析fmri的生理噪声
A kernel machine-based fMRI physiological noise removal method
关于,fmri研究中,生理噪声去除的价值:一、现在随着技术的提升,高场fmri越来越得到应用。高场能够提高图像的信噪比,但是生理噪声却也会提升。所以在高场成像分析中,生理噪声的去除会成为一个不可忽略的因素。二、在静息态fmri中,功能网络的检测依赖于低频的大脑自发信号。这些信号和生理噪声,在频率上,是有着类似的特征。为了提高静息态分析的准确性,去除生理噪声,是必须的操作。
在这篇论文中,作者试图采用pca分析fmri的数据,思想是从时域,或者说频率上将混叠的信号和噪音进行区分。
在进行前期论证中,作者提出了前人两种生理噪声去除方式:基于ica,将信号分解为线性可分的成分,线性独立的成分,完全是从线性代数,矩阵论的角度进行问题的考虑;基于采集时同步机制,是采集与心跳能够同步,但是呼吸就无法过滤了。
这里,采用pca,更准确地说,是非线性pca,基于kernel核函数的选择,将数据投影到高维空间。然后,在高维空间中,对这些特征进行筛选。
这里,作者又提出了新的解决思路,就是利用信息论,互信息的指标衡量一个特征到底是噪声,还是信号。它的思路是这样的,在坐标轴上,定两个点,点一为hrf血液动力学,点二为生理噪声指标,举个例子,这里在采集fmri数据时,同时对心脏的circle进行记录。如果,计算后的互信息离hfr点近,就代表为信号,如果离生理指标近,就代表是生理噪声。
这里,这篇文章最大的缺陷是,需要外部设备监测生理信号,这里主要是心动。
我们能够提出某种方法进行改进,比如利用cca 或者phycaa方法,得到生理特征,然后与这里的kernel-pca进行结合,甚至达到与它相同的结果,就可以算是一个非常重要的创新了。
利用pca分析fmri的生理噪声相关推荐
- 一文读懂PCA分析 (原理、算法、解释和可视化)
生物信息学习的正确姿势 NGS系列文章包括NGS基础.高颜值在线绘图和分析.转录组分析 (Nature重磅综述|关于RNA-seq你想知道的全在这).ChIP-seq分析 (ChIP-seq基本分析流 ...
- R语言中如何进行PCA分析?利用ggplot和prcomp绘制基因表达量分析图
学习笔记的主要内容是在R语言中利用ggplot2进行PCA分析和绘图,包括简单分析与操作流程,对比不同方式得到的结果差异,提供脚本代码供练习. PCA分析的原理 在处理基因差异表达数据时,有时候需要分 ...
- kpca故障诊断matlab,PCA_kpca 利用pca和 对CSTR过程进行故障诊断,包括7个噪声及开环和串 制 matlab 263万源代码下载- www.pudn.com...
文件名称: PCA_kpca下载 收藏√ [ 5 4 3 2 1 ] 开发工具: matlab 文件大小: 1188 KB 上传时间: 2016-09-05 下载次数: 0 提 供 者: ...
- Google Earth Engine(GEE)——利用哨兵S2数据进行PCA分析以单景影像分析
之前有一篇公开的文章是有关单景Landsat8影像的PCA分析: (241条消息) Google earth engine--主成分分析PCA_此星光明2021年博客之星云计算Top3的博客-CSDN ...
- 机器学习实战(十一)利用PCA来简化数据
第十三章 利用PCA来简化数据 13.1 降维技术 13.1.1 主成分分析(PrincipalComponentAnalysis,PCA) 13.1.2 因子分析(Factor Analysis) ...
- 如何利用PCA(Principal component analysis)来简化数据
本博文的的内容为以下: 降维技术 主成分分析(PCA) 对半导体数据进行降维处理 降维(dimensionality reduction)的目标就是对输入的数目进行消减,由此剔除数据中的噪声并提高机器 ...
- 《机器学习实战》之十三——利用PCA来简化数据
PCA目录 一.前言 二.降维技术 三.PCA 1.PCA的数学原理 (1)向量内积与投影 (2)基 (3)基变换 (4)方差与协方差 2.PCA算法步骤 3.在numpy中实现PCA (1)零均值化 ...
- pca降维的基本思想_R语言进行PCA分析
点击上方「蓝字」关注我 写在前面 前面我们知道了降维分析 学习了PCoA分析 今天学习PCA分析... PCA(Principal Component Analysis),即主成分分析方法,是一种使用 ...
- PCA分析(主成分分析)--结果解读
主成分分析(PCA)是一个很好的工具,可以用来降低特征空间的维数.PCA的显著优点是它能产生不相关的特征,并能提高模型的性能. PCA用于减少用于训练模型的特征维度数量,它通过从多个特征构造所谓的主成 ...
- 脑机接口专栏 | 利用黎曼几何分析EEG脑电信号(一)
关注微信公众号:脑机接口研习社 了解脑机接口最近进展 文章目录 前言 一.黎曼几何 二.EEG脑电信号 前言 想要读懂这篇文章,首先需要搞懂标题中出现的两个专有名词--黎曼几何和EEG脑电信号.这是一 ...
最新文章
- JQuery执行DOM批量克隆并插入的提效方法
- oracle impdp导入实例,Oracle数据泵导入导出案例
- 复旦大学女教授告诉你:朋友是什么?
- 模态窗口和非模态窗口
- 阿里云 推荐码 为自己省钱
- 计算机通识/14:算法常识/算法常识-01
- callback回调使用 vue_Vue 数据更新了但页面没有更新的 7 种情况汇总及延伸
- 加速你的企业数字化转型,首先做到这一步!
- 昔年浅谈化工平台网站怎么吸引客户咨询入驻呢?
- 网易编程题目——相反数:
- 圆锥曲线之用齐次法求解直线过定点问题
- python编写游戏测试机器人客户端(一)
- 怎样下载安装python编程软件3.85_【Python下载】Python安装 v3.8.1 官方版-七喜软件园...
- 怎么区别业务架构、软件架构、系统架构、解决方案架构、企业架构?
- 汇编学习之nasm编译器下载使用
- Android导航组件Navigation从入门到精通
- 纳税服务系统【角色模块、包含权限】
- VMware 15 出现的EFI VMware Virtual SCSI Hard Drive(0,0) …. unsuccessful、Directory “EZBOOT“ not found问题
- 为oracle数据库新增表空间及用户
- Win8.1自带“滑动关机” 小技巧教你开启隐藏功能