6月18日下午2點(diǎn)，計(jì)算機(jī)與通信工程學(xué)院通信系鄺利丹博士在理科樓A102室給通信工程專業(yè)的本科生做了題目為“基于盲源分離的多被試復(fù)數(shù)fMRI數(shù)據(jù)分析"”的學(xué)術(shù)報(bào)告。

隨著近幾年腦科學(xué)研究在全世界范圍內(nèi)掀起了研究熱潮，功能磁共振成像（functional Magnetic Resonance Imaging, fMRI）以其毫米級(jí)高空間分辨率及非侵入等優(yōu)勢(shì)，成為了腦科學(xué)研究的一種重要的醫(yī)學(xué)影像技術(shù)。獨(dú)立成分分析(Independent Component Analysis, ICA)屬于基于數(shù)據(jù)驅(qū)動(dòng)的盲源分離（Blind Source Separation, BSS）方法，只需已知觀測(cè)信號(hào)就能估計(jì)出源信號(hào)及其混合參數(shù)，適于分析腦認(rèn)知程度有限的fMRI數(shù)據(jù)。ICA具體實(shí)現(xiàn)原理是最大化源信號(hào)間的非高斯性。當(dāng)ICA應(yīng)用于fMRI數(shù)據(jù)時(shí)，通常假設(shè)空間獨(dú)立，分離得到時(shí)間序列和腦空間激活成分。對(duì)時(shí)間序列和腦空間激活成分進(jìn)行腦功能研究分析，可以為腦疾病研究和智慧醫(yī)療做出貢獻(xiàn)。