醫(yī)學(xué)外文翻譯--利用獨立分量分析對自然連續(xù)音樂刺激下功能性磁共振（fmri）分解中關(guān)鍵性問題的研究（譯文）

1、中文 中文 1.1 萬字 萬字出處： 出處：Cong F, Puoliväli 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

2、, 2014, 223:74-84.利用獨立分量分析對自然連續(xù)音樂刺激下功能性 利用獨立分量分析對自然連續(xù)音樂刺激下功能性磁共振（ 磁共振（fMRI fMRI）分解中關(guān)鍵性問題的研究 ）分解中關(guān)鍵性問題的研究Key issues in decomposing fMRI during naturalistic and continuous music experience with independent component anal

3、ysis學(xué) 部（院）： 專 業(yè)： 生物醫(yī)學(xué)工程 學(xué) 生 姓 名： 學(xué) 號： 指 導(dǎo) 教 師： 完 成 日 期： 利用獨立分量分析對自然連續(xù)音樂刺激下功能性磁共振（ 利用獨立分

4、量分析對自然連續(xù)音樂刺激下功能性磁共振（fMRI fMRI）分解中關(guān)鍵性問題的研究 ）分解中關(guān)鍵性問題的研究–2–1 介紹 介紹在過去二十多年中，對于功能性磁共振（fMRI）的研究越來越廣泛。fMRI 是用于研究人類腦部處理類似于語言、音樂、圖片等刺激的一種獨立而又交互的新的方法。按照慣例，刺激產(chǎn)生 fMRI 數(shù)據(jù)的范式包括 block 實驗和事件相關(guān)實驗。對于 block 實驗，刺激產(chǎn)生和刺激相消通常會對比分析研究。在事件相關(guān)實驗中，

5、當(dāng)時間進(jìn)程中的一個像素或相應(yīng)的空間地形圖的獲得過程中，初始化矩陣可以被復(fù)原。隨著 fMRI 研究的不斷深入，一些研究已經(jīng)開始著手自然連續(xù)長時間刺激下的 fMRI 數(shù)據(jù)。研究表明，一些自然腦部數(shù)據(jù)擁有豐富的可用于研究的腦部響應(yīng)數(shù)據(jù)，但是根據(jù)相應(yīng)的實驗范式，準(zhǔn)確的對照矩陣或者初始化矩陣等這些數(shù)據(jù)漸漸變得難以直接獲得。為了處理和分析這些自然腦數(shù)據(jù)，內(nèi)部對象相關(guān)（ISC）這一方法被廣泛應(yīng)用。ISC 是基于兩個被試者在相同空間位置上（有相同坐標(biāo)的

6、像素點）的腦部時域活動之間做相關(guān)。最近，基于聲學(xué)特征提取算法被用于音樂信息恢復(fù)，被用于實驗中音樂刺激的音效特征已經(jīng)被提取了出來，并與每個像素的時域做相關(guān)。由于 fMRI 數(shù)據(jù)包含著大量的像素點的信息，所以在相關(guān)運算中相乘運算也是相當(dāng)多的。因此，在此類研究中，統(tǒng)計學(xué)方法被用于避免誤報。一個非常直接有效的方法就是減少做相關(guān)的次數(shù)。例如：當(dāng)獨立分量分析（ICA）被用于分解 fMRI 數(shù)據(jù)時，獨立分量（通常少于 100）比起像素點的數(shù)量（上百到

7、上千）。數(shù)據(jù)驅(qū)使著數(shù)據(jù)處理方法的改變，像 ICA，已經(jīng)廣泛應(yīng)用于自然狀態(tài)下腦數(shù)據(jù)的分析，而且還需計算刺激的時域特征彤 ICA 成分之間的相似性。我們發(fā)現(xiàn)應(yīng)用 ICA 分解自然狀態(tài)下腦數(shù)據(jù)中的一些關(guān)鍵性問題并未被解決。本研究致力于分析應(yīng)用這一高級方法的每一步。在眾多 ICA 算法中，我們使用 FastICA。自 1998 年以來，ICA 已經(jīng)被廣泛應(yīng)用于 fMRI 數(shù)據(jù)處理。對于不同的采樣率和各種各樣的線性變換模型，ICA 的應(yīng)用可以被分

8、為時域 ICA 和空間域 ICA。在此之前，獨立成分通常是指時域的。后來，一個獨立成分是一個能夠畫出 fMRI 空間地形圖的像素序列。對于特定維數(shù)的 fMRI 數(shù)據(jù)集，空間 ICA 通常需要同時滿足潛在的神經(jīng)生理模型和計算的需求。因此，在此次 fMRI 數(shù)據(jù)分析中，我們選擇空間 ICA。在下文中，當(dāng)提及ICA 時，那就是指空間 ICA。ICA 能進(jìn)一步被分為獨立 ICA(對于獨立數(shù)據(jù)集，例如某一受試者的數(shù)據(jù))和組 ICA（對于串聯(lián)起來的

9、數(shù)據(jù)集，包括很多受試者的數(shù)據(jù)）。組 ICA 被認(rèn)為是數(shù)據(jù)時域連接的一種方法（多名受試者數(shù)據(jù)在時域上連接起來）也是空間域連接的一種方法（多名受試者數(shù)據(jù)在空間域上連接起來）。時域和空間域的這些方法也可用于分析獨立腦數(shù)據(jù)的時域特征和腦地形圖。而且使用這種方法，在眾多收拾者中表現(xiàn)出相類似的腦地形圖和時域特征。事實上，組 ICA 還需要一些獨立 ICA 之外的假設(shè)。眾所周知，fMRI數(shù)據(jù)在真實環(huán)境或者實驗環(huán)境中都能滿足這些假設(shè)。因此，在本次研究中