Blind Source Separation Algorithms for the Analysis of Optical Imaging Experiments
| dc.contributor.advisor | Obermayer, Klaus | en |
| dc.contributor.author | Schießl, Ingo | en |
| dc.contributor.grantor | Technische Universität Berlin, Fakultät IV - Elektrotechnik und Informatik | en |
| dc.date.accepted | 2001-05-17 | |
| dc.date.accessioned | 2015-11-20T14:49:34Z | |
| dc.date.available | 2002-05-08T12:00:00Z | |
| dc.date.issued | 2002-05-08 | |
| dc.date.submitted | 2002-05-08 | |
| dc.description.abstract | Im Rahmen dieser Arbeit wurde ein Algorithmus zur blinden Quellentrennung mit dem Namen ''Extended Spatial Decorrelation (ESD)'' entwickelt und mit bekannten ''Independent Component Analysis (ICA)'' Verfahren bezüglich der Robustheit gegen statistische Abhängigkeit der Quellen und Rauschen anhand von künstlichen Testdaten und ''Optical Imaging (OI)'' Daten verglichen. Optical Imaging von intrinsischen Signalen ist ein bildgebendes Verfahren bei dem die neuronale Aktivität in der Großhirnrinde nicht direkt, sondern anhand von mit der Stimulierung einhergehenden Veränderungen in den Streueigenschaften des Gewebes optisch gemessen wird. Diese intrinsischen Signale entstehen durch die Stoffwechselaktivität der Nervenzellen. Andere medizinische bildgebende Verfahren wie die Kernspintomographie basieren auf der Meßung derselben intrinsischen Signale und somit sind die in dieser Arbeit gewonnenen Erkenntnisse zum Teil direkt auf solche Verfahren transferierbar. Das Problem bei der Auswertung der Daten besteht darin, daß die Meßung eine lineare Mischung aus der lokal gebundenen Stimulus spezifischen Antwort der Nervenzellen, dem ''mapping signal'', und der gröberen metabolischen Aktivierung, dem ''global signal'', sowie biologische Schwankungen und Rauschen enthält. Zur Extrahierung des ''mapping signals'' bieten sich Verfahren zur blinden Quellentrennung an, da sie ohne Vorwissen über den Mischvorgang eine parameterfreie Lösung des Problems bieten. Vorraussetzung für die Anwendung von ICA ist die statistische Unabhängigkeit der Quellen. Diese Algorithmen verwenden die Optimierung von Eigenschaften der statistischen höheren Momente um die Komponenten wieder unabhängig zu machen und somit die Quellen zu schätzen. Das hier vorgestellte ESD Verfahren benutzt zur Trennung nur Statistik zweiter Ordnung und stellt somit geringere Anforderungen an die Quellen. Die Annahme bei ESD besteht in der Autokorreliertheit der Quellen und der geringen Korrelation untereinander. Das selbe gilt für eine räumlich verschobenen Version. Da man bei biologischen Signalen oft die Quellen nicht genau kennt, muß man einen quantitativen Vergleich der Entmischungen durch die berücksichtigten Verfahren an künstlichen Datensätzen durchführen. Bei der Untersuchung mit drei Testdatensätzen, mit verschiedenen statistischen Eigenschaften, wurde die Qualität der Entmischung bezüglich des Signal-Rausch-Verhältnisses getestet. Es zeigt sich, daß die verschiedenen Implementierungen des ESD Verfahrens bei der Trennung von künstlichen Daten mit den statistischen Eigenschaften des biologischen Signals den ICA Methoden überlegen sind. Dieses Ergebniss bestätigt sich auch bei der Analyse der OI Daten. Dabei wurden Experimente untersucht, deren räumliche Antwort in der Sehrinde auf ein bestimmtes Stimulusregime bekannt ist. Zusätzlich wurden zur Beurteilung die aus Projektionen gewonnenen Zeitverläufe der geschätzten Quellen herangezogen. Mittels der ESD Analyse können selbst die signalschwachen ''single condition images'' berechnet werden ohne Modellannahmen über den Mischprozeß oder die modulare Organisatzion der Sehrinde zu machen. | de |
| dc.identifier.uri | urn:nbn:de:kobv:83-opus-2822 | |
| dc.identifier.uri | https://depositonce.tu-berlin.de/handle/11303/677 | |
| dc.identifier.uri | http://dx.doi.org/10.14279/depositonce-380 | |
| dc.language | English | en |
| dc.language.iso | en | en |
| dc.rights.uri | http://rightsstatements.org/vocab/InC/1.0/ | en |
| dc.subject.ddc | 500 Naturwissenschaften und Mathematik | en |
| dc.subject.other | Blind Source Separation | en |
| dc.subject.other | ICA | en |
| dc.subject.other | Medical Imaging | en |
| dc.subject.other | Optical Imaging | en |
| dc.title | Blind Source Separation Algorithms for the Analysis of Optical Imaging Experiments | en |
| dc.title.translated | Algorithmen der Blinden Quellentrennung zur Analyse von Optical Imaging Experimenten | de |
| dc.type | Doctoral Thesis | en |
| dc.type.version | publishedVersion | en |
| tub.accessrights.dnb | free | * |
| tub.affiliation | Fak. 4 Elektrotechnik und Informatik | de |
| tub.affiliation.faculty | Fak. 4 Elektrotechnik und Informatik | de |
| tub.identifier.opus3 | 282 | |
| tub.identifier.opus4 | 287 | |
| tub.publisher.universityorinstitution | Technische Universität Berlin | en |
Files
Original bundle
1 - 1 of 1