Detection of neural activity in functional MRI using canonical correlation analysis.

Lundberg, Peter (författare): Östergötlands Läns Landsting,Linköpings universitet,Avdelningen för radiologiska vetenskaper,Hälsouniversitetet,Centrum för medicinsk bildvetenskap och visualisering, CMIV,Radiofysikavdelningen US

Friman, Ola (författare): Linköpings universitet,Medicinsk informatik,Tekniska högskolan

Carlsson, J (författare)

Borga, M (författare)

Söderfeldt, B (författare)

Knutsson, H (författare)

(creator_code:org_t)

Abstract Ämnesord

Stäng

A novel method for detecting neural activity in functional magnetic resonance imaging (fMRI) data is introduced. It is based on canonical correlation analysis (CCA), which is a multivariate extension of the univariate correlation analysis widely used in fMRI. To detect homogeneous regions of activity, the method combines a subspace modeling of the hemodynamic response and the use of spatial relationships. The spatial correlation that undoubtedly exists in fMR images is completely ignored when univariate methods such as as t-tests, F-tests, and ordinary correlation analysis are used. Such methods are for this reason very sensitive to noise, leading to difficulties in detecting activation and significant contributions of false activations. In addition, the proposed CCA method also makes it possible to detect activated brain regions based not only on thresholding a correlation coefficient, but also on physiological parameters such as temporal shape and delay of the hemodynamic response. Excellent performance on real fMRI data is demonstrated. Magn Reson Med 45:323-330, 2001

Av författaren/redakt...: Lundberg, Peter; Friman, Ola; Carlsson, J; Borga, M; Söderfeldt, B; Knutsson, H

Om ämnet

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Medicinteknik; och Medicinsk bildbe ...

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.