基于小波变换的功能磁共振图像时间序列分步去噪

doi:10.11772/j.issn.1001-9081.2016.09.2601

计算机应用››2016,第36卷››问题（9）: 2601-2604.内政部：10.11772/j.issn.1001-9081.2016.09.2601

基于小波变换的功能磁共振图像时间序列分步去噪

李微微,梅雪,周宇

南京工业大学电气工程与控制科学学院, 南京 211816

收稿日期:2016-02-17 修回日期:2016-04-11 出版日期:2016-09-10 发布日期:2016-09-08
通讯作者:梅雪
作者简介:李微微(1992-),女,江苏南通人,硕士研究生,主要研究方向:模式识别、图像处理;梅雪(1975-),女,山东青岛人,副教授,博士研究生,主要研究方向:模式识别、图像处理、数据挖掘;周宇(1992-),男,河南南阳人,硕士研究生,主要研究方向:模式识别、图像处理。
基金资助:
2015年江苏省六大人才高峰项目（XXRJ-012）

基于小波变换的fMRI时间序列逐步去噪

李微微,梅雪,周瑜

南京工业大学电气工程与控制科学学院，江苏南京211816

收到：2016-02-17 修订过的：2016-04-11 在线：2016-09-10 出版：2016-09-08
支持单位：
这项工作得到了江苏省2015年六大人才高峰项目（XXRJ-012）的部分支持。

摘要/摘要

摘要：功能磁共振图像（功能磁共振成像）数据中反映大脑神经活动的感兴趣信号常受到结构噪声和随机噪声的影响。为消除上述噪声对分析激活体素的影响，对经过SPM公司标准预处理的体素时间序列进行Activelet软件小波变换，并在得到尺度系数及细节系数后，针对两类噪声的不同特点进行分步去噪。第一步，在受结构噪声影响的尺度系数上，选用独立成分分（ICA）析去识别并消除结构噪声源；第二步，提出一种改进的空域相关去噪算法在细节系数上对信号进行处理。值得注意的是，该算法利用邻域体素之间的相似性，判定所处位置的细节系数反映噪声还是神经活动。实验结果表明，经过这两步处理的数据可有效消除噪声的影响，其中框架位移减少了1.5英寸尖峰百分比减少了2%，此外由去噪后的信号获得的脑激活图中一些明显的伪激活区得到抑制。

关键词: 功能磁共振图像, 去噪, 结构噪声, 随机噪声, 小波变换

摘要：在功能磁共振成像（fMRI）数据中，感兴趣的神经活动信号经常受到结构噪声和随机噪声的影响。为了消除激活体素分析中的噪声影响，对统计参数映射（SPM）预处理后的体素时间序列进行Activelets小波变换。在得到尺度系数和细节系数后，根据两种去噪方法各自的特点分别进行去噪。首先，利用独立分量分析（ICA）识别和消除结构噪声源。其次，针对细节系数提出了一种改进的空间相关性算法。特别是，在改进的算法中，使用邻域中的体素相似性来确定细节系数是否反映了噪声或神经活动。实验结果表明，数据处理有效地消除了噪声的影响；具体来说，框架位移减少了1.5mm，尖峰百分比减少了2%；此外，在去噪后得到的空间图中，虚假激活区域得到了明显的抑制。

关键词： 功能磁共振成像（fMRI），去噪，结构噪声，随机噪声，小波变换

中图分类号:

TP391.4标准

李微微, 梅雪, 周宇. 基于小波变换的功能磁共振图像时间序列分步去噪[J] ●●●●。计算机应用, 2016, 36(9): 2601-2604.

李伟伟、梅雪、周瑜。基于小波变换的fMRI时间序列逐步去噪[J]。计算机应用杂志，2016，36（9）：2601-2604。

参考文献

[1] 薛绍伟,唐一源, 李健,等.一种基于功能磁共振成像数据的脑功能网络构建方法[J] ●●●●。计算机应用研究,2010,27（11）：4055-4057
[2] SHIRER W R，JIANG H，PRICE C M，等.优化rs-fMRI预处理以增强信噪分离、重测可靠性和群体识别[J]。《神经影像》，2015年，117:67-79。
[3] BULLMORE E，LONG C，SUCKLING J，等。功能磁共振成像时间序列分析中的有色噪声和计算推断：时间域和小波域重采样方法[J]。神经影像，2001，13（6）：86。
[4] MALDJIAN J A，LAURIENTI P J，KRAFT R A，等.基于神经解剖和细胞结构图谱的fMRI数据集自动查询方法[J]。神经影像，2003，19（3）：1233-1239。
[5] FEIS R A，SMITH S M，FILIPINI N等。基于ICA的伪影去除减少了多中心静息状态fMRI扫描部位的差异[EB/OL]。[2015-11-15]. http://europepmc.org/backend/ptpmcrender.fcgi？accid=PMC4621866&blobtype=pdf。
[6] BRIGHT M G，MURPHY K。fMRI“噪音”真的是噪音吗？静止状态妨害回归函数消除了网络结构的方差[J]。《神经影像》，2015，114:158-169。
[7] 卡拉哈诺格鲁F I，卡巴勒罗·高德斯C，莱泽拉斯F，等.全激活：时空正则化的fMRI反褶积[J]。《神经影像》，2013年，73:121-134。
[8] KHALIDOV I，VAN DE VILLE D，FADILI J，等.从功能磁共振成像数据检测大脑激活的新方法[J]。SPIE会议记录，2007，23（3）：380-388。
[9] MANOKAR N V，MANOKAR V，RINESH R，et al.使用SOFM和LVQ神经网络增强基于小波的疾病fMRI脑图像分解和分类，用于阿尔茨海默病与肿瘤的跨种族疾病类型[C]//2012年第二届IEEE并行分布和网格计算国际会议论文集。新泽西州皮斯卡塔韦：IEEE，2012:822-827。
[10] BERGEAUD F，MALLAT S.小波字典中的自适应图像分解[M]//BERGER M-O，DERICHE R，HERLIN I，et al.ICAOS’96。柏林：施普林格出版社，1996:216-224。
[11] CORREA N，ADALI T，CALHOUN V D.使用组ICA方法进行fMRI分析的盲源分离算法性能[J]。磁共振成像，2007，25（5）：684-694。
[12] AKIYAMA O，KATO C，MIYAZAWA M，等.多边形电机气动噪声的数值模拟[J]。《环境与工程杂志》，2009年，4（1）：162-175。
[13] 徐刚，徐毅，吴刚，等.功能磁共振成像检测人脑自发低频振荡之间功能同步性的任务调制[J]。医学中的磁共振，2006，56（1）：41-50。
[14] 夏志明，格兰德，李海涛，等。TCA和ICA技术在功能磁共振成像数据处理中的比较[J]。磁共振成像杂志，2004，19（4）：397-402。
[15] ZHU J F，HUANG Y.改进的小波域信号去噪阈值函数[C]//2013年小波分析与模式识别国际会议论文集。新泽西州皮斯卡塔韦：IEEE，2013:190-195。
[16] KHULLAR S，MICHAEL A M，CORREA N，等.改进的基于三维小波的fMRI数据去噪[C]//SPIE 7962会议录。华盛顿州贝灵汉：SPIE，2011:215-230。
[17] CHURCHILL N W，YOURGANOV G，SPRING R，等.PHYCAA:BOLD fMRI中生理噪声的数据驱动测量与去除[J]。神经影像，2012，59（2）：1299-1314。

基于小波变换的功能磁共振图像时间序列分步去噪

基于小波变换的fMRI时间序列逐步去噪

PDF格式

可视化

摘要/摘要

引用本文

使用本文

参考文献

相关文章15

编辑推荐

韵律学

[1]	闫钧华, 侯平, 张寅, 吕向阳, 马越, 王高飞.基于双通道卷积神经网络的图像单失真类型判定方法[J] ●●●●。计算机应用, 2021, 41(6): 1761-1766.
[2]	胡雪影, 郭海儒, 朱蓉.基于混合深度卷积网络的图像超分辨率重建[J] ●●●●。计算机应用, 2020, 40(7): 2069-2076.
[3]	傅洪亮, 雷沛之.基于去噪自编码器和长短时记忆网络的语音测谎算法[J] ●●●●。计算机应用, 2020, 40(2): 589-594.
[4]	王治忠, 李泓毅, 韩闯.基于香农能量与自适应阈值的心电QRS（QRS）复合波检测算法[J] ●●●●。计算机应用, 2020, 40(1): 304-310.
[5]	来杰, 王晓丹, 李睿, 赵振冲.基于去噪自编码器的极限学习机[J] ●●●●。计算机应用, 2019, 39(6): 1619-1625.
[6]	邱甲军, 吴跃, 惠孛, 刘彦伯.基于小波变换的分数阶微分算法在肝脏肿瘤计算机断层扫描图像纹理增强中的应用[J] ●●●●。计算机应用, 2019, 39(4): 1196-1200.
[7]	石昌友, 王美丽, 刘欣然, 黄慧丽, 周德强, 邓干然.基于机器视觉的不同类型甘蔗茎节识别[J] ●●●●。计算机应用, 2019, 39(4): 1208-1213.
[8]	郭旭东, 李小敏, 敬如雪, 高玉琢.基于改进的稀疏去噪自编码器的入侵检测[J] ●●●●。计算机应用, 2019, 39(3): 769-773.
[9]	陶永鹏, 景雨, 顼聪.基于分组字典与变分模型的图像去噪算法[J] ●●●●。计算机应用, 2019, 39(2): 551-555.
[10]	张雯雯, 韩裕生.基于非局部自相似性的低秩稀疏图像去噪[J] ●●●●。计算机应用, 2018, 38(9): 2696-2700.
[11]	郭庆荣, 贾振红, 杨杰, 尼古拉·卡萨波夫。基于非下采样剪切波变换与模糊对比度的合成孔径雷达图像增强[J] ●●●●。计算机应用, 2018, 38(9): 2701-2705.
[12]	陈善学, 漆若兰, 唐义嫄.基于多变换域的彩色图像多功能水印算法[J] ●●●●。计算机应用, 2018, 38(8): 2274-2279.
[13]	尹立, 林新棋, 陈黎飞.视频帧内运动目标移除篡改检测算法[J] ●●●●。计算机应用, 2018, 38(3): 879-883.
[14]	邹佳彬, 孙伟.基于提升静态小波变换与联合结构组稀疏表示的多聚焦图像融合[J] ●●●●。计算机应用, 2018, 38(3): 859-865.
[15]	高净植, 刘祎, 白旭, 张权, 桂志国.平稳小波域深度残差美国有线电视新闻网[J] ●●●●。计算机应用, 2018, 38(12): 3584-3590.