1、 中文 1.1 万字 出处： Cong F, Puolivli T, Alluri V, et al. Key issues in decomposing fMRI during naturalistic and continuous music experience with independent component analysis.J. Journal of Neuroscience Methods, 2014, 223:74-84. 利用独立分量分析对自然连续音乐 刺激 下功能性磁共振（ fMRI）分解中关键性问题的研究 Key issues in decomposing fMRI
2、during naturalistic and continuous music experience with independent component analysis 学 部 （ 院 ）： 专 业： 生物医学工程 学 生 姓 名： 学 号： 指 导 教 师： 完 成 日 期： 利用独立分量分析对自然连续音乐刺激下功能性磁共振（ fMRI）分解中关键性问题的研究 1 利用独立分量分析对自然连续音乐刺激下功能性磁共振（ fMRI）分解中关键性问题的研究 Fengyu Cong, Tuomas Puolivali, Vinoo Alluri, Tuomo Sipola, Iballa Bur
3、unat,Petri Toiviainen, Asoke K. Nandi, Elvira Brattico, Tapani Ristaniemi 芬兰，与韦斯屈莱大学，数学信息技术学院 芬兰，与韦斯屈莱大学， 芬兰跨学科 卓越音乐研究 中心 英国，布鲁内尔大学，电子与信息工程学院 芬兰， 赫尔辛基大学 ，脑认知研究中心，行为科学研究所 摘要： 背景 ：独立分量分析（ ICA）有着非常杰出的优势，已经广泛应用于静息状态、 block状态、事件相关状态中 fMRI 数据的分解。在自由听觉实验中，只有一小部分探究性实验应用到了 ICA。 新方法：在处理由 512s 现代探戈刺激产生的 fMRI 过
4、程中，首先利用基于带通滤波器的FFT 算法将不感兴趣的噪音滤除，然后利用快速模型阶数选择来估计源的数量。接下来，使用独立 ICA和 组 ICA对数据进行分解。然后选择跟音乐特征相关性比较大的 ICA成分。最后，对于独立 ICA 利用扩散映射和谱聚类选择参与者普遍出现的成分。 结果 ：利用新的 ICA 方法提取出来的成分的空间地形图位于听众大脑皮质的稍微偏右侧。同时，这些成分也跟音乐特征非常相关。 对比现存方法：对于传统的 ICA 方法，利用新的 ICA 方法能够发现更多的参与者拥有相似的空间地形图。在独立 ICA 中，传统的预处理 fMRI 数据时，模型阶数选择方法估计的数量较少于真正的源的数
5、量。 结论 ：利用数字带通滤波器对 fMRI 数据进行预处理，对后续模型阶数选择和 ICA 分解 fMRI 数据有非常良好的作用。扩散映射和谱聚类对寻找 ICA 成分空间地形图是直接而有效的工具。 关键词： 真实环境测试 功能性磁共振（ fMRI） 独立分量分析（ ICA） 快速模型阶数选择 快速傅里叶变换（ FFT）滤波器 扩散映射 利用独立分量分析对自然连续音乐刺激下功能性磁共振（ fMRI）分解中关键性问题的研究 2 1 介绍 在过去二十多年中，对于功能性磁共振（ fMRI）的研究越来越广泛。 fMRI 是用于研究人类脑部处理类似于语言、音乐、图片等刺激的一种独立而又交互的新的方法。按照
6、惯例，刺激产生 fMRI 数据的范式包括 block 实验和事件相关实验。对于 block 实验，刺激产生和刺激相消通常会对比分析研究。在事件相关实验中，当时间进程中的一个像素或相应的空间地形图的获得过程中，初始化矩阵可以被复原。随着 fMRI 研究的不断深入，一 些研究已经开始着手自然连续长时间刺激下的 fMRI 数据。研究表明，一些自然脑部数据拥有丰富的可用于研究的脑部响应数据，但是根据相应的实验范式，准确的对照矩阵或者初始化矩阵等这些数据渐渐变得难以直接获得。 为了处理和分析这些自然脑数据，内部对象相关（ ISC）这一方法被广泛应用。 ISC是基于两个被试者在相同空间位置上（有相同坐标的像素点）
