融合t-分布随机邻域嵌入与自动谱聚类的脑功能精细分区方法

本文针对目前脑功能分区不够准确的问题,基于静息态功能磁共振数据,提出了一种融合t-分布随机邻域嵌入(t-SNE)与自动谱聚类(ASC)的人脑功能精细分区的算法.首先,基于静息态功能磁共振图像,对需功能划分的脑区与全脑的时间序列作相关分析,得到需划分脑区的功能连接模式;然后,利用t-SNE算法提取高维功能连接模式特征;最后,通过基于本征间隙的ASC算法自动确定聚类数目,并对降维后的脑区特征分类,得到精细划分的脑亚区.模拟种子区域上的实验结果表明,相较谱聚类算法,以及结合主成分分析的谱聚类算法,本文方法对脑功能体素划分更优.进一步将本方法应用到真实人脑的功能分区中,成功地将海马旁回分为左右半球各3个亚区.本研究表明使用t-SNE与ASC融合的算法可提高脑功能分区准确性,是脑功能精细分区、进而构建脑功能图谱的一种有效方法.

基于环形局部方向模式的弧状极光序列检测

弧状极光作为日侧极光的一个重要形态,它的分布和发生揭示了地磁活动和磁层中的脉动现象。对弧状极光发生起始时刻的判定能有效帮助人们研究弧状极光发生的物理机制。针对弧状极光序列的特征,提出了基于环形局部方向模式(ring local directional pattern,RLDP)的特征表示新方法,再利用自动调节谱聚类(self-tuning spectral clustering,STSC)算法得到极光序列的发生和结束时刻。将检测结果和人工标记的图像序列进行对比,基于环形局部方向模式的特征表示方法得到了较高的查全率和查准率。