论文部分内容阅读
许多关于分析神经影像学的问题可以被归结为发现两组变量的关系,其中例如典型相关分析(CCA)这一线性方法被广泛的应用。然而,为了更深入的研究非线性过程,在脑功能上,与线性方法共存的一个更加灵活的方法需要被挖掘。这里,我们提出了一个新的非监督的与数据驱动的方法,把它称为emiCCA,它能自动地获不同数据集的线性的与非线性的的关系,有仿真证明与线性CCA和核CCA(非线性CCA)相比,emiCCA有更好的性能。对于功能磁共振emiCCA框架来说,它的处理过程已经被设计和应用到了来自真正的运动执行功能磁共振