基于小波包变换的特征提取方法分析fMRI数据
1 周口师范学院物理与电子工程系, 周口 466001
Feature Extraction of fMRI Data Based on Wavelet Packet Transform
1 Department of Physics and Electronic Engineering, Zhoukou Normal University, Zhoukou 466001, China
摘要 多尺度特征提取（MFE）利用时频特性各异的小波变换尺度分割fMRI数据的频谱，藉此准确提取激活信号和去除干扰。但在多尺度分析中，小波包变换较小波变换分割频带更精细，因此更适合MFE分析fMRI数据。为此，基于小波包变换构建新的MFE，并设计小波包的矩阵算法代替逐体素的迭代算法快速提取激活信号，后用相关分析进行检测。分析听觉fMRI试验数据的结果表明，新MFE检测的激活区位置与原有MFE和国际权威方法统计参数图（SPM8）检测的位置相同，但检测的激活体素个数较原有MFE多13.2%，较SPM8多30.8%。而且新MFE采用矩阵算法分析听觉数据仅消耗31 s，采用逐体素迭代算法耗时48.5 min，SPM8耗时77 s。因此，小波包变换和矩阵算法赋予MFE更好的性能分析fMRI数据。
关键词 ：
功能磁共振成像 ,
小波包变换 ,
特征提取 ,
相关分析
Key words ：
fMRI
wavelet packet transform
feature extraction
correlation analysis
基金资助: 河南省教育厅自然科学基金项目（2007310024，2008A180040）；周口师院博士科研基金项目（2006SRFD002）
［1］尧德中, 罗程, 雷旭, 等. 脑成像与脑连接 ［J］. 中国生物医学工程学报, 2011, 30(1): 6-10.
[1]
支联合1* 周文刚2 谭素敏3 . 基于多尺度特征提取的t检验方法分析fMRI数据
[2]
张小飞 陶凌 邓娟 龙伟* . 基于希尔伯特-黄变换的白细胞信号分
[3]
高云园* 高发荣 罗志增. 融合生物运动信息的上肢运动功能康复诊断方法研究
[4]
谢平1 陈晓玲1 苏玉萍2 梁振虎1 李小俚1* . 基于EMD-多尺度熵和ELM 的运动想象脑电特征提取和模式识别
[5]
李真真* 吴效明. 基于分数阶Hilbert 变换二维纹理特征的罗音检测算法
[6]
任玉强1 李丽 毛雪岷* 张婷婷 蔡传晰 李琼. 基于ARMA模型的心电聚类算法
[7]
王金甲* 胡备. 脑机接口的广义核线性判别分析方法研究
