基于独立成分分析重症肌无力患者的静息态默认网络的功能连接改变及其与认知障碍的相关性

目的研究重症肌无力(myasthenia gravis,MG)患者大脑默认网络(default mode network,DMN)功能连接的改变,以及DMN和认知功能的关系。方法前瞻性纳入2020年1月至2022年12月就诊于苏州大学附属第一医院神经内科的MG患者39例,另选取同期性别、年龄、受教育年限、种族与MG患者匹配的40名健康志愿者作为健康对照组。对所有受试者进行神经心理学测试、情绪评估及静息态磁共振功能扫描。采用独立成分分析技术评估受试者大脑DMN的功能连接变化。采用Spearman相关性分析MG患者差异脑区的DMN的功能连接值与认知功能的相关性。结果MG组整体认知功能〔简易精神状态量表(MMSE)和蒙特利尔认知评估量表(MoCA)评分〕、言语学习和记忆能力(Rey听觉词语学习测验、词语流畅性测试)、视空间功能(钟表测试)评分均较对照组降低(均P<0.01);在执行能力测试方面,MG组连线功能测试完成时间长于对照组(P<0.01);MG组汉密尔顿焦虑量表和汉密尔顿抑郁量表评分均高于对照组(P<0.01)。独立成分分析结果显示,MG患者的DMN内功能连接在左后扣带回比对照组减弱(P<0.05,经过FDR校正)。MG患者的DMN内左后扣带回功能连接值与MMSE评分、数字符号转换测验评分呈正相关(P<0.05),而与连线测验A和B时间呈负相关(P<0.05)。结论MG患者在整体认知功能、言语学习和记忆力、视空间功能和执行功能方面下降,在左后扣带回的DMN内功能连接减弱,差异脑区在DMN内功能连接值与认知评分存在相关性,提示MG患者的认知功能损害可能与中枢神经系统受累有关。

基于独立成分分析(ICA)处理两相流信号(英文)

为了提高固体速度测量精度,提供一种基于独立成分分析(ICA)处理两相流信号的基本方法。首先介绍独立成分分析(ICA)的基本原理,然后介绍使用空间滤波和小波变换获得固体速度的方法。最后给出仿真实验结果证明该方法可行。

基于独立成分分析法ICA的多光谱重建

构造了一个6通道,8-bit多光谱相机(MSC)模型作为图像采集装置(包括一个三色数码相机和一个滤光片),在多光谱成像技术基础上,通过模拟相机的数码响应,对物体表面的反射光谱进行重建。由数码相机的响应值得到物体的光谱反射比。使用独立成分分析法来进行数据压缩,光谱重建结果分别用CIE1976色差,光谱反射比RMS误差和反射比相对误差进行评价。20例训练样本的平均CIE1976色差为0.1579,平均反射比均方差为0.0099,平均反射比相对误差为0.0107;12例待测样品的平均CIE1976色差为0.7150,平均反射比均方差为0.0309,平均反射比相对误差为0.0312。结果说明,基于独立成分分析法的光谱重建是一种有效的光谱重建方法。

基于稳健有序独立成分分析(ROICA)的矿产预测

独立成分分析(ICA)充分考虑了以往主成份分析(PCA)没考虑到但又非常重要的数据高阶统计特性,但ICA分离后的信号具有顺序、符号、幅度的不确定性,而矿产资源预测又必须弄清分离后信号(地质变量)的地质意义;为此,提出了一种基于稳健有序独立成分分析(ROICA)的矿产预测方法。首先对地质数据进行稳健预处理,然后进行独立成分分析,借鉴因子分析的思想解决独立成分分析算法不确定性的局限,从而可以反映分离变量的有序性。将ROICA方法用于广东省肇庆双壬铜矿区进行矿产资源预测。实验结果表明:该区金银矿体的赋存空间位置与传统均值方差方法给出的异常位置明显不对应,没有指示意义;而经过稳健有序ICA处理后的Au、Ag独立成分异常与实际的Au、Ag矿体吻合度很高;Cu、Pb、Zn独立成分异常与Au、Ag矿关联性不大,反映研究区的Cu、Pb、Zn等其他元素或组合不具有Au、Ag矿的指示意义。ROICA方法可用于矿产资源预测。

基于独立成分分析的终末期肾病患者静态及动态功能网络连接研究

目的:探索终末期肾病(ESRD)患者功能网络连接(FNC)的静态及动态变化特点。方法:收集33例ESRD患者及34例健康对照组作为研究对象。首先基于独立成分分析识别到6个静息态功能网络,即听觉网络、凸显网络、视觉网络、感觉运动网络(SMN)、执行控制网络(ECN)及默认网络。然后比较两组静态功能网络连接(sFNC)和动态功能网络连接(dFNC)相关参数的差异,并与神经心理测试进行相关分析。结果:sFNC分析显示ESRD组ECN与SMN的sFNC强度显著高于健康对照组(P<0.05,FDR校正),而且与执行功能评分[连线追踪测试A(TMT-A)]呈显著正相关(r=0.429,P=0.018)。dFNC分析显示ESRD组状态3的时间分数和平均驻留时间显著低于健康对照组(P<0.05);状态2的时间分数(r=0.503,P=0.005)和平均驻留时间(r=0.412,P=0.024)与TMT-A评分呈显著正相关;状态4的时间分数与焦虑评分呈显著负相关(r=-0.372,P=0.043)。结论:本研究采用独立成分分析的方法揭示了ESRD患者静态及动态功能网络连接的特点,为深入理解ESRD患者神经病理损害机制提供了新视角。

基于群组独立成分分析的2型糖尿病患者动态脑功能网络连接特征分析研究

目的 通过动态脑网络特征分析的方法探索2型糖尿病(type 2 diabetes mellitus, T2DM)认知功能正常患者的自发神经活动改变。材料与方法 本研究前瞻性纳入39名认知功能正常的T2DM患者及年龄、性别、文化程度与T2DM患者相匹配的同等数量的健康对照者,两组患者均行3.0 T静息态脑功能磁共振扫描。图像经预处理后,使用GIFT工具包进行动态脑网络分析,提取动态功能连接指标并比较组间差异,并分析以上指标与T2DM患者临床指标的相关性。结果 与对照组相比,T2DM患者在state5中的平均滞留时间和时间分数显著高于健康对照组(P=0.014、0.039),并且初级视觉网络和突显网络的功能连接显著升高(P=0.027),空间视觉网络和基底节网络的功能连接显著降低(P=0.044),然而上述动态脑功能指标与空腹血糖值等临床指标无显著相关性(P均>0.05)。结论 认知功能正常T2DM患者的动态脑功能连接模式以及视觉相关网络的动态功能连接存在异常改变,这为理解T2DM相关神经病理机制提供了一定的借鉴意义。

基于独立成分分析预测电站锅炉NO_x排放量

为了解决燃煤电站锅炉低NO x燃烧特性建模输入值高维数据众多,以及大样本处理造成模型运行速度慢、精度低的问题,将独立成分分析(ICA)应用到建模数据预处理领域,提出一种基于快速独立成分分析(FastICA)的BP(back propagation)神经网络建模方法,并用该方法对某220 MW热电机组NO x排放浓度进行预测。研究结果表明:经FastICA降维预处理后所建的神经网络模型(ICA-BP)性能优于直接构建的神经网络(BP)模型;ICA-BP模型计算结果与实测结果相对误差仅约2.5%,说明ICA方法有助于实现降低维数的同时保留更多原始数据特性的目的,是系统建模数据前处理的有效工具。

基于独立成分分析对伴脑室周围白质损伤的痉挛型脑性瘫痪患儿脑功能网络的研究

目的:使用独立成分分析(ICA)方法探讨伴脑室周围白质损伤(PWMI)的痉挛型脑性瘫痪(SCP)患儿网络内和网络间功能连接改变。方法:对28例伴PWMI的SCP患儿(患儿组)及性别、年龄匹配的19例正常儿童(对照组)行fMRI,应用ICA方法提取2组网络成分,并用SPM12及NBS软件比较2组网络内和网络间功能连接差异,同时应用Pearson或Spearman相关性分析验证患儿组功能连接差异脑区与临床变量之间的相关性。结果:与对照组相比,患儿组默认模式网络(DMN)内左侧额中回、左侧楔前叶及右侧角回,vAN内右侧中央后回,VNm内双侧舌回功能连接减低。以上功能连接差异脑区与临床变量均未发现显著相关性。结论:SCP与大脑网络功能连接异常有关,推测网络功能连接改变可能成为早期识别和诊断SCP的影像学生物指标。

基于独立成分分析(ICA)的分类研究及在蛋白分类中的应用

独立成分分析方法(ICA)一般用于特征提取、过程监控,很少用于分类。本文建立了一个ICA用于分类的工具包,并应用专家库下载的嗜热蛋白和常温蛋白作为实验数据,用来检验该分类工具的性能。本文的检验工作分为如下几个步骤:首先对训练数据进行特征提取;然后利用核函数确定嗜热蛋白的置信线;再计算测试数据的统计量。由测试数据判断是否超过置信线,不超出则认为是嗜热蛋白。该检验的结果是:对嗜热数据的漏检率为10%,误检率为30%,预测的正确率可达到80%。由此可说明,ICA可用作一种分类方法,本文所建立的分类工具也是有效的。

刍议2型糖尿病患者默认网络和视觉网络的独立成分分析

目的目的本研究旨在运用独立成分分析(ICA)技术,探讨2型糖尿病(T2DM)患者默认网络(DMN)和视觉网络(VIS)功能连接的变化特征。方法方法选取2023年2月至2023年8月在甘肃医学院附属医院就诊的60例T2DM患者,其中伴视网膜病变30例、不伴视网膜病变30例,组成T2DM组;同时选取30例健康个体作为对照组。所有参与者均接受静息态功能磁共振扫描,随后进行数据预处理及ICA分析,以提取DMN和VIS网络。通过组间比较,分析脑网络功能连接的差异,并进一步探讨差异脑区功能连接(FC)值与临床参数及认知评分的相关性。结果结果T2DM组患者的DMN和VIS网络功能连接强度相较于健康对照组均显著降低。此外,T2DM组内DMN和VIS网络的功能连接强度与临床参数(如血糖水平、病程等)及认知评分呈现负相关趋势。结论结论本研究表明,2型糖尿病患者存在DMN和VIS网络功能连接的异常变化,这些变化可能与疾病进展和认知功能下降密切相关。独立成分分析作为一种有效手段,有助于揭示糖尿病患者脑网络功能连接的异常模式,为深入理解糖尿病的脑部病理生理机制提供了新的视角。

用比湿数据及独立成分分析研究ENSO在对流层上层的响应

基于2006—2016年气象、电离层与气候卫星观测系统(COSMIC)提供的level 2‘wetPrf’比湿数据集,首次提出了独立成分分析(ICA)联合低通滤波的方法提取对流层上层的厄尔尼诺-南方涛动(ENSO)信号。结合现有的气象学研究与传统方法主成分分析(PCA)的结果,分析了ENSO信号在对流层上层的响应。结果表明:ICA提取的ENSO信号具有更高的可靠性、有效性和可解释性,且得到了现有气象研究很好的支撑。该方法很好地分离出具有不同区域特征的源信号,凸显了这种基于信息理论的方法在ENSO信号提取方面的潜力。

基于独立成分分析的高光谱图像数据降维及压缩

该文提出了一种以高光谱图像分析为目标的基于独立成分分析的高光谱图像降维和压缩方法。该方法首先通过独立成分分析提取高光谱数据的光谱特征实现高光谱图像降维,再对降维后的图像采用预测和自适应算术编码的方法进行压缩。对220波段和64波段高光谱数据的实验结果表明,该方法与基于主成分分析的降维相比,压缩比有所提高,特别是更有利于后续的分析处理,但峰值信噪比有所降低。

基于经验模态分解及独立成分分析的微震信号降噪方法

针对微震信号具有高噪声、突变快、随机性强等特点,基于经验模态分解(EMD)及独立成分分析(ICA)提出一种微震信号降噪方法.首先,对含噪信号进行EMD分解,获得一系列按频率从高到低的内蕴模态函数(IMF),利用原信号与各IMF之间的互相关系数辨识出噪声与信号的分界,将分界之上的高频噪声滤除;其次,为有效去除分界IMF中的模态混叠噪声,基于ICA算法对分界IMF进行盲源分离,提取其中的微震有效信号,并将其与剩余的IMF累加重构,从而得到降噪后的微震信号;最后,利用快速傅里叶变换(FFT)时频谱对比分析降噪前后的信号特征,定性说明本文方法的有效性;引入信噪比和降噪后信号占原信号的能量百分比两个参数,定量说明本文方法能充分保留微震信号的瞬态非平稳特征,降噪效果明显.

基于约束独立成分分析的滚动轴承故障诊断

用新的理论与方法丰富及提高机械故障诊断技术是机械故障诊断学重要内容之一。本文用约束独立成分分析方法将研究对象的先验信息作为独立成分分析算法的约束条件,使新的算法仅仅收敛于感兴趣的故障信号。可提高故障诊断的针对性和效果。该方法可从传感器信号中快速诊断出设备中是否发生了某种故障,并以滚动轴承的仿真与实验验证该方法的适用性和有效性。

基于核独立成分分析的极化SAR图像相干斑抑制

为提高极化合成孔径雷达图像相干斑抑制的效果,提出基于核独立成分分析(kernel independent component analysis,KICA)的极化SAR图像相干斑抑制方法。该方法将三个通道的极化信息作为输入数据,经过KICA变换得到三个独立分量,取相干斑指数最小的分量作为滤波后的信息图像。由于将核函数引入到独立成分分析(independent component analysis,ICA)中,使在ICA中无法线性可分的信息在高维空间中达到线性可分。采用旧金山地区的AIRSAR数据与日本新潟地区的PISAR数据分别进行试验,并用相干斑指数和边缘保持系数从客观上进行评价。试验表明,与ICA算法相比,KICA算法具有更好的滤波效果和保持边缘信息的能力。

基于核独立成分分析的盲源信号分离

独立成分分析(ICA)已经广泛用于盲源信号的分离(BSS)。论文介绍了基于核空间的ICA的原理和基本算法,然后介绍了该算法与典型ICA和主成分分析(PCA)在盲源信号分离中的比较。实验表明在盲源信号分离中,基于核空间的ICA与其他典型ICA和PCA算法相比更具有准确性和鲁棒性。

青藏高原及其周边地区水储量变化的独立成分分析

采用2003年1月至2013年12月共132个月的GRACE卫星数据反演得到的水储量变化信息,利用独立成分分析方法将水储量变化信息分解成多个信号成分,然后与NOAH和WGHM两个水文模型的分析结果进行比较。成分对比结果表明,GRACE反演得到的水储量变化与NOAH和WGHM水文模型在第一个主成分方面符合很好,相关系数分别是0.884和0.877。说明GRACE反演的水储量变化和水文模型在青藏高原及其周边区域具有很强的一致性。从空间模式上看,GRACE反演水储量变化信号的强度比水文模型信号要大,可能与GRACE反演的水储量变化还包括地下水的变化情况等有关。

基于独立成分分析和模糊支持向量机的人脸识别方法

主成分分析(PCA)只能从2阶上去消除数据的相关性,传统支持向量机在解决多类问题时会出现分类的盲区问题,针对这两种情况,首先采用独立成分分析(ICA)方法解决了高阶上的数据相关性问题;同时在传统支持向量机中引入模糊隶属度函数,用模糊支持向量机解决了传统支持向量机在多类数据识别中的盲区问题。通过实验证明了该方法在人脸识别率上取得了显著提高。

基于多线性独立成分分析的掌纹识别

为快速有效地在掌纹识别中学习多种因素的高阶统计独立成分,利用多线性独立成分分析方法对掌纹张量进行降维,得到低维的模式矩阵,将掌纹图像向模式矩阵上投影以提取核心张量,通过计算核心张量间的余弦距离实现掌纹匹配。基于PolyU掌纹图像库的实验结果表明,与主成分分析(PCA)、二维PCA、独立成分分析和多线性PCA相比,该方法的识别率最高,且满足系统实时性要求。

基于经验模态分解和独立成分分析的柴油机噪声源识别技术

为有效地控制整机噪声能量和提高整机噪声品质,采用经验模态分解(EMD)和独立成分分析(ICA)技术,通过将EMD分解后的本征模函数作为ICA方法中的多个虚拟通道,解决了对单一采样信号进行盲源识别的欠定问题.将该思路应用于柴油机辐射噪声的主要噪声声源的识别研究,同时利用相干分析与时频分析技术实现柴油机噪声声源的准确识别.结果表明,EMD-ICA联合的噪声声源分离识别技术,可用来识别柴油机燃烧噪声、机械噪声声源,有效地克服了EMD技术在噪声声源识别中的模态混叠问题,降低了ICA技术对单一采样信号进行准确识别的难度.