醫(yī)學(xué)外文翻譯--利用獨(dú)立分量分析對(duì)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(dú)立分量分析對(duì)自然連續(xù)音樂刺激下功能性 利用獨(dú)立分量分析對(duì)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(hào)： 指 導(dǎo) 教 師： 完 成 日 期： 利用獨(dú)立分量分析對(duì)自然連續(xù)音樂刺激下功能性磁共振（ 利用獨(dú)立分

4、量分析對(duì)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(duì)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(yǔ)言、音樂、圖片等刺激的一種獨(dú)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(shí)驗(yàn)和事件相關(guān)實(shí)驗(yàn)。對(duì)于 block 實(shí)驗(yàn)，刺激產(chǎn)生和刺激相消通常會(huì)對(duì)比分析研究。在事件相關(guān)實(shí)驗(yàn)中，

5、當(dāng)時(shí)間進(jìn)程中的一個(gè)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(zhǎng)時(shí)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(shí)驗(yàn)范式，準(zhǔn)確的對(duì)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(duì)象相關(guān)（ISC）這一方法被廣泛應(yīng)用。ISC 是基于兩個(gè)被試者在相同空間位置上（有相同坐標(biāo)的

6、像素點(diǎn)）的腦部時(shí)域活動(dòng)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(shí)驗(yàn)中音樂刺激的音效特征已經(jīng)被提取了出來，并與每個(gè)像素的時(shí)域做相關(guān)。由于 fMRI 數(shù)據(jù)包含著大量的像素點(diǎn)的信息，所以在相關(guān)運(yùn)算中相乘運(yùn)算也是相當(dāng)多的。因此，在此類研究中，統(tǒng)計(jì)學(xué)方法被用于避免誤報(bào)。一個(gè)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(dú)立分量分析（ICA）被用于分解 fMRI 數(shù)據(jù)時(shí)，獨(dú)立分量（通常少于 100）比起像素點(diǎn)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(jì)算刺激的時(shí)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(jí)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(duì)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(shí)域 ICA 和空間域 ICA。在此之前，獨(dú)立成分通常是指時(shí)域的。后來，一個(gè)獨(dú)立成分是一個(gè)能夠畫出 fMRI 空間地形圖的像素序列。對(duì)于特定維數(shù)的 fMRI 數(shù)據(jù)集，空間 ICA 通常需要同時(shí)滿足潛在的神經(jīng)生理模型和計(jì)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(shí)，那就是指空間 ICA。ICA 能進(jìn)一步被分為獨(dú)立 ICA(對(duì)于獨(dú)立數(shù)據(jù)集，例如某一受試者的數(shù)據(jù))和組 ICA（對(duì)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(shí)域連接的一種方法（多名受試者數(shù)據(jù)在時(shí)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(shí)域和空間域的這些方法也可用于分析獨(dú)立腦數(shù)據(jù)的時(shí)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(shí)域特征。事實(shí)上，組 ICA 還需要一些獨(dú)立 ICA 之外的假設(shè)。眾所周知，fMRI數(shù)據(jù)在真實(shí)環(huán)境或者實(shí)驗(yàn)環(huán)境中都能滿足這些假設(shè)。因此，在本次研究中