R包中fMRI数据集的时空独立成分分析
Temporal and Spatial Independent Component Analysis for fMRI data sets embedded in a R package
摘要：
对于功能磁共振成像（fMRI）数据集的统计分析，我们提出了一种基于独立成分分析（ICA）的数据驱动的方法，在新版本的AnalyzeFMRI R包中实现。对于空间维度远大于时间维度的fMRI数据集，空间独立分量分析是目前普遍提出的一种易于处理的方法。然而，对于一些神经科学应用，可以假设源信号的时间独立性和时间ICA成为一个有吸引力的探索技术。在这项工作中，我们使用一个经典的线性代数的结果，确保时间ICA的易处理性。我们报告了几个实验的合成数据和真实的MRI数据集，证明了我们的R包的潜在利益。
英文摘要：
For statistical analysis of functional Magnetic Resonance Imaging (fMRI) data sets, we propose a data-driven approach based on Independent Component Analysis (ICA) implemented in a new version of the AnalyzeFMRI R package. For fMRI data sets, spatial dimension being much greater than temporal dimension, spatial ICA is the tractable approach generally proposed. However, for some neuroscientific applications, temporal independence of source signals can be assumed and temporal ICA becomes then an attracting exploratory technique. In this work, we use a classical linear algebra result ensuring the tractability of temporal ICA. We report several experiments on synthetic data and real MRI data sets that demonstrate the potential interest of our R package.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
