返回
Nonlinear kernel-based fMRI activation detection
DOI:10.3389/fnimg.2025.1649749.png)
摘要
En 中文
核典型相关分析(KCCA)是一种有效的方法,用于全局检测脑激活,同时降低计算复杂度。然而,当前的KCCA仅限于线性核,而更通用类型的核的性能仍不确定。本研究旨在将当前的KCCA方法扩展到任意非线性核。我们的贡献主要有两点:首先,我们提出了一种适用于通用类型非线性核的反向映射算法;其次,我们证明了非线性核能够提升性能,特别是在由于神经响应的复杂性导致真实神经激活偏离假设的血氧水平依赖响应函数时。基于模拟fMRI数据集和两个任务导向fMRI数据集的结果表明,非线性核优于线性核,并能有效减少非目标区域的激活。
Keyword:
data analysis
fMRI
task fMRI
activation
nonlinear kernel
CCA
KCCA
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
F
IF:
0
论文数:
33
被引数:
4
机构
暂无机构信息
引用论文
Detection of neural activity in functional MRI using canonical correlation analysis使用典型相关分析检测功能磁共振成像中的神经活动
Dimensionality reduction by Mixed Kernel Canonical Correlation Analysis基于混合核典型相关分析的降维方法
PATTERN RECOGNITION
IF7.6
Zatarain Salazar, J.; Kwakkel, J.H.; Witvliet, M. Evaluating the Choice of Radial Basis Functions in Multiobjective Optimal Control Applications. Environ. Model. Softw. 2024, 171, 105889. [Google Scholar] [CrossRef]Zatarain Salazar, J.; Kwakkel, J.H.; Witvliet, M. 评估径向基函数在多目标最优控制应用中的选择。Environ. Model. Softw. 2024, 171, 105889. [Google Scholar] [CrossRef]

