基于变换后fMRI数据的认知状态分类

理解人类大脑功能的一种途径是分析执行认知任务时大脑的变化。为此，执行明确任务的受试者的功能磁共振(fMR)图像被广泛用于特定任务分析。本工作中，我们提出一种利用各自的fMR图像序列对两种选定认知任务进行分类的步骤。专家标记的解剖映射相关体素的时间序列被处理并作为经典朴素贝叶斯和SVM分类器的输入。处理涉及使用随机筛函数，以及利用傅里叶和希尔伯特变换变换后的数据中的相位信息。如图所示，这种处理相比直接使用体素强度带来了分类性能的提升。所提方法的新颖之处在于利用变换域中的相位信息，结合以特定概率分布选择的随机筛函数，对认知任务进行分类。所提分类步骤应用于公开数据集StarPlus数据，包含6名受试者执行观看图片或句子这两种不同的认知任务。原始数据的分类准确率平均分别为65.6%(使用朴素贝叶斯分类器)和76.4%(使用SVM分类器)。对应的傅里叶变换后数据的分类准确率分别为96.8%和97.5%。对于希尔伯特变换后数据，在6名受试者、2种认知任务上分别为93.7%和99%。