FMRI数据的时间簇分析(TCA)
Temporal Clustering AnalysisFMRI数据的时间簇分析
本文参考文献： Yijun Liu et al.The temporal response of the brain after eating reveled by functional MRI. Nature 405,1058-1061 (2000)
一、两类分析方法
1 模型驱动方法：
基于一定的模型形成的分析方法,例如t-检验，相关分析，ANOVA，ANOVA2，反卷积分析等，都是基于通用线性模型(General Linear Model, GLM)的分析方法。
GLM基于假设：大脑是线性时不变系统(Linear Time Invariant, LTI)。
2 数据驱动方法：
不需要任模型设例的分析方法,例如主成份分析(PCA)，独立成份分析(ICA)，时间簇分析(TCA)等。
二、时间簇分析介绍
全脑由数万个体素(Voxel)组成，每个体素都包含若干个时间点，组成四维数据集(x*y*z*t)。
如上图，某个体素的时间序列反应了该体素各时间点的信号强度：该曲线包含180个时间点，可以明显的看出有六个峰，对应了6个由刺激或任务引起的反应。脑发生反应时，信号强度较大，在各次反应之间信号又返回基线。显而易见，在对刺激或任务反应时信号较强，取最大值的可能性也较大。
虽然每个体素取最大值的时间点位置有可能变化，但从总体来看，取最大值的时间点的分布应该集中于对刺激或任务反应期间。
总而言之，时间簇分析主要用于一些慢反应或不知道反应模式的数据分析中，通过各时间点取极值的时间点的分布情况，来确定反应反生的时间和范围。
三、论文所使用的技术路线
从摄糖前15分钟到摄糖后60分钟，每15分钟测一次血糖，并在摄糖前10分钟和后38分钟之间进行扫描并获得fMRI数据-->通过时间簇分析获得反应的时间和范围(两个时间窗)-->比较时间窗和其他时间点的信号(t-test)获得激活点-->激活核团的活动强度与血糖值绘Plot图。
页:
[1]
