Algorithmen zur Analyse der zeitlichen Dynamik von EEG und fMRI Signalen durch Independent Component Analysis

通过独立分量分析分析 EEG 和 fMRI 信号时间动态的算法

• 批准号: 5350448
• 负责人: Dr. Jörn Anemüller
• 金额: --
• 依托单位: Abteilung Medizinische Physik
• 依托单位国家: 德国
• 项目类别: Research Fellowships
• 财政年份: 2002
• 资助国家: 德国
• 起止时间: 2001-12-31 至 2004-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/5350448?language=en
• 关键词: Algorithmen; zur; Analyse; der; zeitlichen

Independent component analysis (ICA) bezeichnet eine Datenanalysetechnik, mit der korrelierte Meßdaten, wie sie etwa bei Vielkanal-EEG und fMRI Signalen auftreten, in statistisch unabhängige Komponenten zerlegt werden können. Oft eignen sich die statistisch unabhängigen Komponenten besser zur Interpretation als die ursprünglichen Meßwerte, so daß durch diese Methode Strukturen offengelegt werden können, die in den gemessenen Daten nicht unmittelbar sichtbar sind. ICA wurde unter anderem zur Analyse von EEG und fMRI Daten vorgeschlagen und entwickelt sich zu einer von zahlreichen Gruppen benutzten Standardanalysetechnik. Es sind jedoch auch klare Grenzen der zur Zeit verwendeten ICA Algorithmen sichtbar. Diese bestehen für EEG Signale darin, daß bisher die zeitliche Dynamik neuronaler Prozesse nur unzureichend in den Algorithmen berücksichtigt wird. Bei fMRI Signalen kann neuronale Aktivität nur indirekt über den Blutsauerstoffgehalt gemessen werden. Die beteiligten physiologischen Prozesse legen dabei ebenfalls die Berücksichtigung der zeitlichen Signalentwicklung in den verwendeten ICA Algorithmen nahe. Zur Lösung beider Probleme sollen in diesem Projekt ICA Algorithmen entwickelt und zur Analyse von biomedizinischen Signalen genutzt werden, die die zeitliche Dynamik durch Faltungsüberlagerung und durch zeitlich variable Signalmischung berücksichtigen. Es ist zu erwarten, daß sich hierdurch neue Erkenntnisse über die zeitliche Dynamik neuronaler Prozesse und eine Methode für verbesserte zeitliche und räumliche Lokalisation neuronaler Aktivität mit fMRI Aufnahmen ergeben.

独立分量分析（ICA） bezeichnet eine Datenanalysetechnik, mit der korrelierte Meßdaten， wie sie etwa bei vielknal - eeg和fMRI Signalen autreten， in statisticsch unabhängige Komponenten zerlegt werden können。Oft eignen sich die statisticsch unabhängigen Komponenten besser zur Interpretation als die urspr<s:1> nglichen mes ßwerte, so dasß durch disese methodology Strukturen offengelegt werden können, die in den gemessenen Daten night unmittelbar sichtbar sind。ICA是一种分析脑电图和功能磁共振成像（fMRI）的方法。本文介绍了一种基于ICA算法的搜索工具。参考文献：基于神经网络的动态神经网络分析方法，基于神经网络的动态神经网络分析方法。脑核磁共振信号学与神经学研究Aktivität nur indirect <e:1>。基于ICA算法的信号识别与分析[j]。Zur Lösung beider项目中所解决的问题ICA算法entwickelt and Zur analysis von biomedizinischen Signalen genutzt werden， die die zeitlich Dynamik durch faltungsberlagerung and durch zeitlich variable Signalmischung bercksichtigen。[1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1]