Overview

Zbadano wykorzystanie informacji kontekstowych do analizy danych fMRI. Podejście skladalo 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 wkladem bylo 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 byc stosowana do wykrywania obiektów o nieznanym rozkladzie ze znanego rozkladu tla również w innych podobnych problemach.