Analyse des données d'IRM fonctionnelle à l'aide d'un algorithme de regroupement
Versandkostenfrei!
Versandfertig in 6-10 Tagen
23,99 €
inkl. MwSt.
PAYBACK Punkte
12 °P sammeln!
L'utilisation des informations contextuelles a été étudiée pour l'analyse des données IRMf. L'approche comprend deux phases : le calcul d'une carte statistique paramétrique et la détection de l'activation par regroupement contextuel. L'algorithme de regroupement itératif présenté dans ce travail est basé sur l'algorithme ICM de Besag. Notre contribution a été d'appliquer et d'évaluer l'ICM dans le contexte des tests d'hypothèse et des cartes statistiques paramétriques. Les résultats indiquent que la puissance de l'algorithme contextuel développé est supérieure à celle du s...
L'utilisation des informations contextuelles a été étudiée pour l'analyse des données IRMf. L'approche comprend deux phases : le calcul d'une carte statistique paramétrique et la détection de l'activation par regroupement contextuel. L'algorithme de regroupement itératif présenté dans ce travail est basé sur l'algorithme ICM de Besag. Notre contribution a été d'appliquer et d'évaluer l'ICM dans le contexte des tests d'hypothèse et des cartes statistiques paramétriques. Les résultats indiquent que la puissance de l'algorithme contextuel développé est supérieure à celle du seuillage conventionnel voxel par voxel d'une carte paramétrique statistique. Bien que des données IRMf aient été utilisées pour tester l'algorithme, la construction de l'algorithme est générale et il peut être utilisé pour détecter des objets avec une distribution inconnue à partir d'une distribution d'arrière-plan connue dans d'autres problèmes similaires.
Andere Kunden interessierten sich für
