Analiza funkcjonalnych danych MRI przy użyciu algorytmu klastrowania

Zbadano wykorzystanie informacji kontekstowych do analizy danych fMRI. Podej¿cie sk¿adäo si¿ 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 wk¿adem by¿o zastosowanie i ocena ICM w kontek¿cie testowania hipotez i statystycznych map parametrycznych. Wyniki wskazuj¿, ¿e moc opracowanego algorytmu kontekstowego jest lepsza ni¿ konwencjonalnego progowania statystycznej mapy parametrycznej woksel po wokselu. Chociä do testowania algorytmu wykorzystano dane fMRI, konstrukcja algorytmu jest ogólna i mo¿e by¿ stosowana do wykrywania obiektów o nieznanym rozk¿adzie ze znanego rozk¿adu t¿a równie¿ w innych podobnych problemach.