• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2010 2nd International Conference on Image Processing Theory Tools and Applications >Connectivity feature extraction for spatio-functional clustering of fMRI data
【24h】

Connectivity feature extraction for spatio-functional clustering of fMRI data

机译：连通性特征提取用于功能磁共振成像数据的时空功能聚类

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

As fMRI data is high dimensional, applications like connectivity studies, normalization or multivariate analyses, need to reduce data dimension while minimizing the loss of functional information. In our study we use connectivity profiles as a new functional feature to aggregate voxels into clusters. This offers two major advantages in comparison with the current clustering methods. It allows the analyst to deal with the spatial correlation of noise problem, that can lead to bad mergings in the functional domain, and it is based on the whole data independently of a priori information like the General Linear Model (GLM) regressors. We validated that the resulting clusters form a partition of the data in homogeneous regions according to both spatial and functional criteria.
机译：由于FMRI数据是高维的，因此连接研究，归一化或多变量分析等应用需要减少数据尺寸，同时最小化功能信息丢失。在我们的研究中，我们使用连接配置文件作为新功能功能，以将体素聚集成簇。与当前聚类方法相比，这提供了两个主要优点。它允许分析师处理噪声问题的空间相关性，这可能导致功能域中的差融合，并且它基于整个数据，独立于常规线性模型（GLM）回归器等先验信息。我们经过验证，由此产生的群集根据空间和功能标准在同质区域中形成数据的分区。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号