Analiza funkcjonalnych danych MRI przy użyciu algorytmu klastrowania

Zbadano wykorzystanie informacji kontekstowych do analizy danych fMRI. Podejście składało się z dwóch etapów: obliczenia statystycznej mapy parametrycznej i wykrywania aktywacji poprzez grupowanie kontekstowe. Algorytm klasteryzacji iteracyjnej przedstawiony w tej pracy jest oparty na algorytmie ICM Besaga. Naszym wkładem było zastosowanie i ocena ICM w kontekście testowania hipotez i statystycznych map parametrycznych. Wyniki wskazują że moc opracowanego algorytmu kontekstowego jest lepsza niż konwencjonalnego progowania statystycznej mapy parametrycznej woksel po wokselu. Chociaż do testowania algorytmu wykorzystano dane fMRI konstrukcja algorytmu jest ogólna i może być stosowana do wykrywania obiektów o nieznanym rozkładzie ze znanego rozkładu tła również w innych podobnych problemach.