一种改进的FastICA算法及其在fMRI数据中的仿真应用

为了更有效地去除功能磁共振成像(functional magnetic resonance imaging,fMRI)数据中所包含的大量噪声信号,研究了快速独立分量分析(Fast Independent Component Analysis,FastICA)算法,针对该算法在处理低信噪比的fMRI数据时估计精度降低问题,采用修正白化矩阵方法改进FastICA算法,与传统的FastICA算法分别对fMRI数据进行去噪仿真分析。对比两种方法去噪结果,发现改进的FastICA算法能更有效地去除fMRI数据中的噪声信号,为剔除fMRI伪迹,提高fMRI数据预处理效果奠定了坚实的科学基础。