论文部分内容阅读
传统稀疏表示方法选择出的脑激活体素空间分布过于稀疏，不具有空间团块特性，在分析真实数据时的性能较低。针对该问题，提出一种基于先验信息的脑激活体素选择算法。该算法结合脑图像数据的高维性特点，以张量分析为基础，建立脑图像数据与任务函数之间的回归模型。用凸优化技术将脑激活体素的空间团块特性以凸约束的形式整合到体索选择过程中，使得该算法更加适合脑图像数据的信息提取，并采用脑激活区定位和解码实验对算法进行验证。实验结果表明，与传统稀疏表示算法相比，该算法选择出的脑激活体素空间分布更集中，在解码分析中能获得较高的解码