位置:成果数据库 > 期刊 > 期刊详情页
密度K-means算法在认知重评脑功能连接中的应用
  • ISSN号:1003-9775
  • 期刊名称:《计算机辅助设计与图形学学报》
  • 时间:0
  • 分类:TP751[自动化与计算机技术—控制科学与工程;自动化与计算机技术—检测技术与自动化装置]
  • 作者机构:[1]常州大学信息科学与工程学院,常州213164, [2]常州市生物医学信息技术重点实验室,常州213164, [3]南京大学社会学院心理系,南京200023
  • 相关基金:国家自然科学基金(61201096);常州市科技项目(CE20145055,CE20135060,CJ20130026);江苏省青蓝工程.
中文摘要:

为考察大脑在处理加工不同效价的情绪图片时其脑功能区域的联系与差异,提出一种能更精确地提取出相对激活较弱的功能连接区域的方法。首先提出一种基于密度思想的 K-means 算法并应用于脑功能连接分析,提取具有功能连接的脑组织结构模式;然后引入聚合指数指标客观评判激活脑区定位的准确度,并与独立成分分析方法的处理结果进行对比;最后从体素的激活强度和激活脑区的定位精度等方面入手,论证了基于密度思想的 K-means 算法在脑功能连接分析上的优势。实验结果表明,情绪刺激加工的过程中,脑区较为明显的激活区主要分布在前额叶、扣带回及下丘脑附近,为后续临床观察及诊断提供了一种较为可靠的方法和思路。

英文摘要:

In order to investigate the relationship and difference in brain functional connectivity when subjects process different valence of emotional images, a new method is employed to extract the relatively weak connected regions more accurately. First, aK-means algorithm based on density is proposed to analyze the brain functional connectivity and extract the brain structure model which has the functional connectivity. Then, aggregation index is introduced to evaluate the positioning accuracy of activated brain regions. The above results are also compared with the results using independent component analysis (ICA) algorithm; Finally, the advantage ofK-means algorithm based on density in the field of brain functional connectivity analysis is demonstrated in terms of the intensity of voxel activation and the position precision of activated brain regions. The experimental results show that relatively obvious activity areas mainly distributed in the frontal lobe, cingulum and hypothalamus in the process of emotional stimulation processing, which provides a more reliable method for subsequent clinical observation and diagnosis.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《计算机辅助设计与图形学学报》
  • 北大核心期刊(2011版)
  • 主管单位:中国科学技术协会
  • 主办单位:中国计算机学会
  • 主编:鲍虎军
  • 地址:北京2704信箱
  • 邮编:100190
  • 邮箱:jcad@ict.ac.cn
  • 电话:010-62562491
  • 国际标准刊号:ISSN:1003-9775
  • 国内统一刊号:ISSN:11-2925/TP
  • 邮发代号:82-456
  • 获奖情况:
  • 第三届国家期刊奖提名奖
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,荷兰文摘与引文数据库,美国工程索引,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:24752