Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

Detecting Functional Connectivity in the Resting Brain using Independent Component Analysis

Detecting Functional Connectivity in the Resting Brain using Independent Component Analysis
سال انتشار: 1388
کد COI مقاله: ICBME16_031
زبان مقاله: انگلیسیمشاهده این مقاله: 1,930
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Detecting Functional Connectivity in the Resting Brain using Independent Component Analysis

Mahdi Ramezani - Biomedical image and Signal Processing Laboratory (BiSLPL) , School of Electrical Engineering , Sharif University of Technology
Emad Fatemezadeh - Biomedical image and Signal Processing Laboratory (BiSLPL) , School of Electrical Engineering , Sharif University of Technology

چکیده مقاله:

The functional network of the human brain is altered in many neurological and psychiatric disorders. Aim of this study is to assess the fuctional connectivity from resting state functional magnetic resonance imging (Fmri) data. Two different spatial independent Component Analysis (sICA) ALGORITHMS(THE infomax and the fixed - point ICA) were applied to the simulated and experimental fMRI data acquired from a resting healthy subject to fing functionally connected brain regions . Simlated data were used to investigate the influences of the noise level and threshold on the performances of the two algorithms In order to enhance the performance of the results , a variety of data pre and post processing steps , including data normalization , outlier removal, estimation of optimal number of independent components (ICs) using Minimum Description Length (MDL)principle , dimensionality reduction using principal component Analysis (PCA)and cluster filtering were employed . The proposed apporaches were compared to some well - known algorithms such as the Cross Correlation Analysis (CCA) and Eigenimage analysis . Results reveal that the performance of infomax algorithm is superior . I n addition , careful pre and post processing of the data are important factors and have significant enhancing effects on overall results.

کلیدواژه ها:

functional connectivity ، Independent Component Analysis ، resting state ، functional Magnetic Resonance Imaging.

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICBME16_031 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/73377/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Ramezani, Mahdi and Fatemezadeh, Emad,1388,Detecting Functional Connectivity in the Resting Brain using Independent Component Analysis,16th Iranian conference on Biomedical Engineering,Tehran,https://civilica.com/doc/73377

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1388, Ramezani, Mahdi؛ Emad Fatemezadeh)
برای بار دوم به بعد: (1388, Ramezani؛ Fatemezadeh)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • K. Friston, Statistical Parametric Mapping: The Analysis of Functional Brain ...
  • B. P. Rogers, V. L. Morgan, A. T. Newton et ...
  • K. Li, L. Guo, J. Nie et al, "Review of ...
  • M. McKeown, _ Makeig, G. Browr et al., "Analysis of ...
  • V. Kiviniemi, J. H. Kantola, J. Jaubiainen et al., "Independent ...
  • Neuroimage, vol. 19, no. 2 Pt 1, pp. 253-260, 2003. ...
  • A. Bell, and T. Sejrowski, _ information- maximization approach to ...
  • A. Hyvarinen, "New approximations of independent ...
  • compopent aalysis and projection pursuit." pp.273-279. ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 14,809
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی