×

序列矩阵对角化算法在高维功能MRI数据中的应用。 (英语) Zbl 1482.62006年

摘要:本文介绍了序列矩阵对角化(SMD)方法对高维功能磁共振成像(fMRI)数据的适应性。SMD是目前执行多项式特征值分解的最有效的统计方法。不幸的是,在当前基于稠密多项式矩阵的实现中,SMD的算法复杂性很难解决,因此无法应用于高维问题。然而,对于某些应用,这些多项式矩阵大多填充有空值,因此我们开发了一种基于稀疏多项式矩阵的GPU并行表示的SMD高效实现。然后,我们将我们的“稀疏SMD”应用于fMRI数据,即大网格体素(多达29328个体素)的时间演变。由于SMD的能量压缩特性,几乎所有信息都由SMD集中在第一多项式主成分上。因此,通过仅基于第一主成分的分析合成,以多项式参数序列的形式,以高保真度重建随时间激活的大脑区域。

MSC公司:

62-08 统计问题的计算方法
62兰特 功能数据分析
2015财年65 矩阵特征值和特征向量的数值计算
94A08型 信息与通信理论中的图像处理(压缩、重建等)
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Alrmah MA、Weiss S、Redif S、Lambotharan S、McWhirter JG(2013)《宽带信号的到达角估计:比较》。In:智能信号处理会议论文集,英国伦敦IET
[2] Bai,Z。;德梅尔,J。;Dongarra,J。;Ruhe,A。;Van der Vorst,H.,《代数特征值问题求解模板:实用指南》(2000),费城:SIAM,费城·Zbl 0965.65058号
[3] 鲍姆加特纳,R。;莱纳,L。;西里希特。;萨默斯,R。;Jarmasz,M。;Somorjai,R.,fMRI两种探索性数据分析方法的比较:模糊聚类与主成分分析,Magn-Reson Imaging,18,89-94(2000)·doi:10.1016/S0730-725X(99)00102-2
[4] 贝克曼,C。;Smith,S.,多主体fMRI分析中独立成分分析的张量扩展,NeuroImage,25,1,294-311(2005)·doi:10.1016/j.neuroimage.2004.10.043
[5] AJ贝尔;Sejnowski,TJ,盲分离和盲反褶积的信息最大化方法,神经计算,7,6,1129-1159(1995)·doi:10.1116/neco.1995.7.6.1129
[6] 卡塞纳克,M。;Redif,S.,用于图像降维和图像转换的高度可扩展模块化瓶颈神经网络,应用智能,44,3,557-610(2016)·doi:10.1007/s10489-015-0715-5
[7] 卡塞纳克,M。;雷迪夫,S。;Kasap,S.,序列矩阵对角化算法的GPU并行化及其在高维数据中的应用,J Supercomput,73,8,3603-3634(2017)·doi:10.1007/s11227-017-1961-6
[8] Comon,P.,独立成分分析——一个新概念?,信号处理,36,3,287-314(1994)·Zbl 0791.62004号·doi:10.1016/0165-1684(94)90029-9
[9] Corr J、Thomson K、Weiss S、McWhirter JG、Redif S、Proudler IK(2014),仿hermitian矩阵的多移位最大元素序列矩阵对角化。In:IEEE统计信号处理研讨会,澳大利亚黄金海岸,第312-315页
[10] Fisher M(2014)《行军立方体》。https://graphics.stanford.edu网站/mdfisher/MarchingCubes.html。2018年7月20日访问
[11] Friston,K。;O.约瑟夫。;Rees,G。;Tuner,R.,功能磁共振成像中的非线性事件相关反应,Magn Reson Med,39,41-52(1998)·doi:10.1002/mrm.1910390109
[12] Glover,G.,功能性磁共振成像概述,Neurosurg Clin N Am,22,2,133-139(2011)·doi:10.1016/j.nec.2010.11.001
[13] 戈莱,X。;科利亚斯,S。;斯托尔,G。;梅耶,D。;瓦拉瓦尼斯,A。;Boesiger,PA,fMRI新的基于相关性的模糊逻辑聚类算法,磁共振成像,40249-260(1998)
[14] Golub,生长激素;Van Loan,CF,矩阵计算(2013),马里兰州巴尔的摩:约翰霍普金斯大学出版社,马里兰州巴的摩·Zbl 1268.65037号
[15] Hanke M、Dinga R、Hausler C、Guntupalli JS、Casey M、Kaule FR、Stadler J(2015)关于音乐类型感知的高分辨率7-Tesla fMRI数据——这是对研究担忧数据集的扩展。https://f1000research.com/articles/4-174/v1。访问日期:2018年7月20日
[16] 英特尔公司(2018)2018年英特尔数学内核库开发人员参考-C。https://software.intel.com/en-us/mkl-reference-manual-for-c。2018年7月20日访问
[17] Kailath,T.,线性系统(1980),新泽西州恩格尔伍德克利夫斯:普伦蒂斯·霍尔,恩格尔伍德克里夫斯,新泽西·Zbl 0458.93025号
[18] 卡萨普,S。;Redif,S.,用于计算准赫米特多项式矩阵特征值分解的新型现场可编程门阵列结构,IEEE Trans-VLSI系统,22,3,522-536(2014)·doi:10.1109/TVLSI.2013.2248069
[19] Kim,SG;Ugurbil,K.,《人脑功能磁共振成像》,《神经科学方法杂志》,74229-243(1997)·doi:10.1016/S0165-0270(97)02252-8
[20] Krishnan,A。;威廉姆斯,LJ;阿联酋麦金托什;Abdi,H.,《神经成像的偏最小二乘法:教程和综述》,《神经图像》,56455-475(2011)·doi:10.1016/j.neuroimage.2010.07.034
[21] 拉扎尔,北美;Luna,B。;斯威尼,JA;WF Eddy,《结合大脑:信息统计汇集方法的调查》,NeuroImage,16538-550(2002)·doi:10.1006/nimg.2002.1107
[22] Mandelkow,H。;德兹瓦特,JA;Duyn,JH,线性判别分析实现了BOLD fMRI对自然电影刺激的反应的高分类精度,Front Hum Neurosci,10(2016)·doi:10.3389/fnhum.2016.00128
[23] McLachlan,GJ,判别分析和统计模式识别(1992),霍博肯:威利·兹比尔0850.62481
[24] 麦克沃特,JG;巴克斯特,PD;库珀,T。;雷迪夫,S。;Foster,J.,《准赫米特多项式矩阵的EVD算法》,IEEE Trans Signal Process,55,5,2158-2169(2007)·Zbl 1388.94021号 ·doi:10.1109/TSP.2007.893222
[25] Miller,K。;卢·W。;李,T。;马丁内斯。;Obata,T。;Wong,E。;弗兰克·L。;Buxton,R.,《非线性时间动力学——脑血流反应》,《人类大脑映射》,第13期,第1-12页(2001年)·doi:10.1002/hbm.1020
[26] Moret N,Tonello A,Weiss S(2011)基于PSVD的滤波器组调制系统的MIMO预编码。附:IEEE第73届车辆技术会议论文集,第1-95页
[27] Nvidia Corporation(2018)CUDA工具包文档v9.1.85。http://docs.nvidia.com/cuda。2018年7月20日访问
[28] 斯坦福大学Poldrack实验室和再生神经科学中心(2018)OpenfMRI。https://openfmri.org。2018年7月20日访问(最近被取代https://openneuro.org)
[29] Polizzi,E.,《求解特征值问题的基于密度矩阵的算法》,Phys Rev B,79,115112(2009)·doi:10.1103/PhysRevB.79.115112
[30] Redif,S.,使用多项式特征值分解估计胎儿心电图,Turk J Electr Eng Comput Sci(2015)·doi:10.3906/elk-1401-19
[31] 雷迪夫,S。;Kasap,S.,《多项式矩阵乘法的新型可重构硬件体系结构》,IEEE Trans-VLSI系统,23,3,454-465(2015)·doi:10.1109/TVLSI.2014.2312997
[32] Redif S,McWhirter JG,Baxter P,Cooper T(2006)《基于多项式特征值的稳健宽带自适应波束形成》。摘自:IEEE海洋会议进展,第1-6页
[33] Redif S,Weiss S,McWhirter JG(2011)一种近似多项式矩阵特征值分解算法。摘自:第11届IEEE信号处理和信息技术国际研讨会论文集,西班牙毕尔巴鄂,第421-425页
[34] 雷迪夫,S。;Weiss,S。;McWhirter,JG,准埃尔米特矩阵的多项式EVD的序列矩阵对角化算法,IEEE Trans Signal Process,63,1,81-89(2015)·Zbl 1394.94479号 ·doi:10.1109/TSP.2014.2367460
[35] 雷迪夫,S。;Weiss,S。;McWhirter,JG,多项式矩阵分解与宽带盲信号分离的相关性,信号处理,13476-86(2017)·doi:10.1016/j.sigpro.2016.11.019
[36] 罗斯,英国石油公司;Bijma,F。;MC De Gunst;De Munck,JC,EEG/MEG数据的三域协方差框架,NeuroImage,119,305-315(2015)·doi:10.1016/j.欧洲图像.2015.06.020
[37] 沈,H。;王,LB;刘,YD;Hu,DW,使用低维fMRI嵌入对精神分裂症静止状态功能连接模式的判别分析,NeuroImage,49,3110-3121(2014)·doi:10.1016/j.neuroimage.2009.11.011
[38] Tkacenko A(2010)通过连续的FIR仿酉变换对仿热系统进行近似特征值分解。摘自:美国德克萨斯州达拉斯IEEE声学、语音和信号处理国际会议论文集,第4074-4077页
[39] Tohidian,M。;阿明达瓦尔,H。;Reza,AM,基于DFT的多项式矩阵近似特征值和奇异值分解,EURASIP J Adv Signal Process,1,1-16(2013)
[40] 特纳,B。;保罗,E。;米勒,M。;Barbey,A.,小样本减少了基于任务的fMRI研究的可复制性,Commun Biol(2018)·doi:10.1038/s42003-018-0073-z
[41] Vaidyanathan,PP,多速率系统和过滤器组(1993年),新泽西州恩格尔伍德克利夫斯:普伦蒂斯·霍尔,恩格尔伍德克里夫斯,新泽西·Zbl 0784.93096号
[42] Virta J,Li B,Nordhausen K,Oja H(2016)张量值数据的独立分量分析。预打印可用arXiv:1602.00879·Zbl 1381.62107号
[43] Weiss,S。;佩斯塔纳,J。;Proudler,IK,关于仿hermitian矩阵特征值分解的存在性和唯一性,Trans-Signal Process,66,10,2659-2672(2018)·Zbl 1414.15019号 ·doi:10.1109/TSP.2018.2812747
[44] Wellcome神经成像信托中心(2018)统计参数映射(SPM)。http://www.fil.ion.ucl.ac.uk/spm。访问日期:2018年7月20日
[45] Zarahn,E。;阿奎尔,GK;D’Esposito,M.,BOLD fMRI统计的实证分析,神经影像,5179-197(1997)·doi:10.1006/nimg.1997.0263
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。