脑fMRI特征重建的分层快速聚类方法

doi:10.3778/j.issn.1002-8331.2009.32.061

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (32): 193-196.DOI: 10.3778/j.issn.1002-8331.2009.32.061

脑fMRI特征重建的分层快速聚类方法

林卫^1，2，何华灿²，艾丽蓉²，李梅²

1.河南师范大学计算机与信息技术学院，河南新乡 453007
2.西北工业大学计算机学院，西安 710072

收稿日期:2009-05-25 修回日期:2009-06-25 出版日期:2009-11-11 发布日期:2009-11-11
通讯作者: 林卫

Time complexity optimization of clustering for fMRI feature reconstruction

LIN Wei^1，2，HE Hua-can²，AI Li-rong²，LI Mei²

1.College of Computer and Information Technology，Henan Normal University，Xinxiang，Henan 453007，China
2.School of Computer Science and Engineering，Northwestern Polytechnical University，Xi’an 710072，China

Received:2009-05-25 Revised:2009-06-25 Online:2009-11-11 Published:2009-11-11
Contact: LIN Wei

摘要/Abstract

摘要： 在对大脑fMRI感兴趣区域的分析中，利用特征选择所得到的筛选属性进行特征重建问题上，提出了分层快速聚类的分析方法，同已有K-均值聚类方法相比，在聚类有效性得到提高的前提下，总体降低了聚类的时间代价，并为后续的回归分析处理提供了精确保证。

关键词: 功能核磁共振成像, 感兴趣区域, 层次聚类, K-均值聚类, 特征重建

Abstract: To solve the problem of reconstructing features of functional Region of Interest（fROI） from extracted voxels，Hierarchical Fast Clustering method（HFC） is proposed.Compared with the existing K-means clustering methods，this method saves more than 62% running time on condition of ensuring regression ability.

Key words: functional Magnetic Resonance Imaging（fMRI）, Region of Interest（ROI）, hierarchical clustering, K-means, feature reconstruction

中图分类号:

TP181

林卫^1，2，何华灿²，艾丽蓉²，李梅². 脑fMRI特征重建的分层快速聚类方法[J]. 计算机工程与应用, 2009, 45(32): 193-196.

LIN Wei^1，2，HE Hua-can²，AI Li-rong²，LI Mei². Time complexity optimization of clustering for fMRI feature reconstruction[J]. Computer Engineering and Applications, 2009, 45(32): 193-196.

[1]	韩晓微，韩震，岳高峰，崔建江. 救灾无人机的优化A*航迹规划算法[J]. 计算机工程与应用, 2021, 57(6): 232-238.
[2]	王俊玲，卢新明. 基于语义相关的视频关键帧提取算法[J]. 计算机工程与应用, 2021, 57(4): 192-198.
[3]	徐志京，汪毅. 青光眼眼底图像的迁移学习分类方法[J]. 计算机工程与应用, 2021, 57(3): 144-149.
[4]	王一凡，鲁慧民，高若然，李阳. 手指静脉图像感兴趣区域提取研究综述[J]. 计算机工程与应用, 2021, 57(13): 34-42.
[5]	洪征，龚启缘，冯文博，李毅豪. 自适应聚类的未知应用层协议识别方法[J]. 计算机工程与应用, 2020, 56(5): 109-117.
[6]	李森森，吴清. 改进Mask R-CNN的遥感图像多目标检测与分割[J]. 计算机工程与应用, 2020, 56(14): 183-190.
[7]	王熙月1，黄毅鹏1，钱佳慧1，何凌1，黄华1，尹恒2. 基于声学特征的腭裂语音声韵母切分[J]. 计算机工程与应用, 2018, 54(8): 123-130.
[8]	郑浩，董明利，潘志康. 基于图像分类与多算法协作的目标跟踪算法[J]. 计算机工程与应用, 2018, 54(4): 185-191.
[9]	夏晨木，滕奇志，卿粼波，吴晓红，何小海. 岩石三维图像裂缝提取方法[J]. 计算机工程与应用, 2018, 54(17): 186-191.
[10]	宋冬云，郑瑾，张祖平. 基于混合策略的中文短文本相似度计算[J]. 计算机工程与应用, 2018, 54(12): 116-120.
[11]	王海涌，冯兆旭，杨海波，张津栋. 基于结构相似网页聚类的正文提取算法研究[J]. 计算机工程与应用, 2018, 54(11): 122-127.
[12]	曾鸿军1，2，沈燕飞2，王毅1. 基于感兴趣区域的头像视频前处理方法[J]. 计算机工程与应用, 2017, 53(6): 188-192.
[13]	赖松轩，李艳雄. 说话人聚类的初始类生成方法[J]. 计算机工程与应用, 2017, 53(3): 149-153.
[14]	徐绕山1，2，王爽2，3，孙正兴2. 视觉相似性计算的艺术图像自组织方法[J]. 计算机工程与应用, 2017, 53(18): 163-169.
[15]	夏颖慧1，吴昊天2. 用于实现医学图像ROI对比度增强的可逆数据隐藏算法[J]. 计算机工程与应用, 2017, 53(18): 186-191.

脑fMRI特征重建的分层快速聚类方法

Time complexity optimization of clustering for fMRI feature reconstruction

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics