بهبود عملکرد الگوریتم آنالیز مولفه های مستقل در تحلیل داده های تصویربرداری عملکردی مغناطیسی مغز به کمک فیلترهای زمانی و مکانی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 بهبود عملکرد الگوریتم آنالیز مولفه های مستقل در تحلیل داده های تصویربرداری عملکردی مغناطیسی مغز به کمک فیلترهای زمانی و مکانی دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد بهبود عملکرد الگوریتم آنالیز مولفه های مستقل در تحلیل داده های تصویربرداری عملکردی مغناطیسی مغز به کمک فیلترهای زمانی و مکانی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی بهبود عملکرد الگوریتم آنالیز مولفه های مستقل در تحلیل داده های تصویربرداری عملکردی مغناطیسی مغز به کمک فیلترهای زمانی و مکانی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن بهبود عملکرد الگوریتم آنالیز مولفه های مستقل در تحلیل داده های تصویربرداری عملکردی مغناطیسی مغز به کمک فیلترهای زمانی و مکانی :

نام کنفرانس، همایش یا نشریه : مجله فیزیک پزشکی ایران

تعداد صفحات :۲۴

مقدمه: وجود منابع مختلف نویز و آرتیفکت در داده های بدست آمده از روش تصویر برداری عملکردی مغناطیسی مغز غالبا منجر به کاهش دقت و صحت نتایج بدست آمده در اکثر روشهای تحلیلی پارامتری و غیرپارامتری می شود. یکی از راه حلهای متداول در مواجهه با داده های نویزی روش تصویربرداری عملکردی مغناطیسی مغز بکارگیری روشهای پیش پردازشی مناسب بر روی دیتا با هدف کاهش نویز دیتا است که می تواند در بهبود عملکرد الگوریتم های تحلیلی مختلف موثر باشد. تاکنون اثرات برخی از روشهای پیش پردازشی بر روی روشهای تحلیلی پارامتری از قبیل روش مدل خطی عمومی مورد بررسی قرار گرفته است. در این مقاله علاوه بر مقایسه الگوریتم های نویزی و غیرنویزی آنالیز مولفه های مستقل در تحلیل داده های زمانی- مکانی تصویربرداری عملکردی مغناطیسی مغز برای نخستین بار میزان بهبود عملکرد الگوریتم غیرپارامتری آنالیز مولفه های مستقل بر روی داده های نویزی روش تصویربرداری عملکردی مغناطیسی مغز در حضور تعدادی فیلتر مکانی و زمانی از نظر کمی مورد بررسی قرار گرفته است. استفاده از الگوریتم های نویزی آنالیز مولفه های مستقل دقت تحلیلی داده های تصویربرداری عملکردی مغناطیسی مغز را تا ۱۶% افزایش داده است. استفاده از فیلترهای زمانی و مکانی منجر به ۱۰-۸% افزایش در دقت الگوریتم های غیرنویزی آنالیز مولفه های مستقل شده است. با استفاده از الگوریتم نویزی احتمالی آنالیز مولفه های مستقل زمان لازم برای تحلیل داده های تصویربرداری عملکردی مغناطیسی مغز ۲۸% افزایش پیدا کرده است.مواد و روشها: در این مقاله ابتدا دو دسته از الگوریتم های نویزی و غیرنویزی آنالیز مولفه های مستقل در تحلیل داده های شبیه سازی شده روش تصویربرداری عملکردی مغناطیسی مغز مورد مقایسه قرار گرفته اند. در مرحله بعد اثرات فیلترهای زمانی و مکانی در عملکرد الگوریتم های غیرنویزی آنالیز مولفه های مستقل بررسی شده است. فیلترهای مذکور در دو دسته فیلترهای پایین گذر و بالاگذر مطرح شده اند. کلیه بررسی ها با استفاده از داده های شبیه سازی شده روش تصویربرداری عملکردی مغناطیسی مغز انجام شده است.نتایج: با بکارگیری فیلترهای بالا گذر حساسیت، ویژگی و صحت زمانی الگوریتم های غیرنویزی آنالیز مولفه های مستقل در تحلیل داده های روش تصویربرداری عملکردی مغناطیسی مغز افزایش یافته است. بکارگیری فیلترهای پایین گذر در مواجهه با داده هایی که دارای نسبت سیگنال به نویز پایین هستند منجر به بهبود نتایج بدست آمده از الگوریتم های غیرنویزی آنالیز مولفه های مستقل شده است. در داده هایی که دارای نسبت سیگنال به نویز بالا هستند بکارگیری این فیلترها می تواند منجر به کاهش ویژگی و صحت زمانی الگوریتم های مذکور شود.بحث و نتیجه گیری: نتایج بدست آمده از تحلیل داده های روش تصویربرداری عملکردی مغناطیسی مغز با نسبت سیگنال به نویز بالا توسط الگوریتم های نویزی و غیرنویزی آنالیز مولفه های مستقل تقریبا مشابه است. با افزایش نویز داده ها الگوریتم اینفومکس به دلیل استفاده از الگوریتم های گرادیانی در تخمین ماتریس تفکیک کننده مورد نظر از حساسیت، ویژگی و صحت زمانی بالاتری نسبت به الگوریتم سریعا آنالیز مولفه های مستقل برخوردار است. استفاده از فیلترهای زمانی و مکانی مناسب می تواند راهکارهای مناسب برای بکارگیری الگوریتم های غیرنویزی آنالیز مولفه های مستقل به جای الگوریتم های نویزی آنالیز مولفه های مستقل که اغلب پیچیده و زمانبر هستند باشد.

کلید واژه: آنالیز مولفه های مستقل، تصویربرداری عملکردی مغز، فیلترهای زمانی، فیلترهای مکانی