积分曲线的样条估计及在脑图像技术中的应用.doc

目 录 摘要 1 ABSTRACT 2 第1章 前言 3 1.1 脑图像技术的背景知识介绍 3 1.2 本文所涉及理论知识的简单介绍 3 1.3本文的主要工作 4 第2章 理论知识详细介绍 4 2.1 B-样条函数回归理论 5 2.2 欧拉方法 6 第3章 问题简述 8 第4章 模型的建立以及程序的编写 8 4.1 已知的积分曲线的选择 8 4.2 积分曲线最优估计的求解 10 4.2.1 B-样条基函数矩阵M文件的建立 10 4.2.2 的求解 10 4.2.3 的求解 13 4.3 协方差矩阵及椭圆置信区域的求解 14 4.3.1 协方差矩阵的求解 14 4.3.2 椭圆置信区域的求解 15 第5章 结果分析 17 5.1 对积分曲线整体估计好坏的判断分析 17 5.2 基于置信度概念的估计好坏的判断 19 参 考 文 献 23 致 谢 23 附 录 24 积分曲线的样条估计及在脑图像技术中的应用 ——对已知积分曲线的模拟实验 摘要 现代神经学中，神经科学家在研究神经纤维的位置时，常用的脑图像技术称为扩散张量成像。神经纤维的位置是通过积分曲线建立模型，但是该积分曲线并不是直接观察到的，比如说一个二维向量场是在一个被扰动的规则网格上观测到的，而规则网格是通过添加随机噪声而被扰动的。关键的步骤是求出满足某常微分方程的积分曲线，但该微分方程的函数形式通常是未知的。本文首先运用样条函数回归理论，通过光滑化从随机场数据中提取出微分方程的函数形式，进而采用欧拉方法求出积分曲线的估计，再构造出相应的椭圆形置信区域。 为了判断这种方法的好坏，本文选取了已知的积分曲线，对微分方程 ， （其中是的独立同分布的有界随机向量）进行相同的方法编程计 算。我们通过欧拉方法在点开始迭代，计算出该已知积分曲线的估计，解 出在光滑向量场中的微分方程。同时，我们求出积分曲线的估计的协方差矩阵，来求得沿着积分曲线的置信椭圆带，并在三维图中画出。最后，基于置信度的概念，对该方法程序进行好坏分析，使得置信椭圆带较好地包括住已知的积分曲线，并且程序运行速度较快。 关键词：B-样条 欧拉方法 置信度 置信椭圆区域 积分曲线 ABSTRACT Mordern neuroscientists study the location of neural fibers——the main brain imaging technique is called diffusion tensor imaging.They are modeled by integral curves that are not observed directly. Instead, for example a two-dimensional vector field is observed on a regular grid perturbed by additive random noise.Therefore, the pivotal step is to compute an integral curve that satisfies an ordinary differential equation(ODE). But the function form of the ODE is frequently unknown. Firstly, the article apply the spline function regression theory. Through smoothing message, from random data one can get the ODEs function form, in order to calculate the estimator of the integral curve by Eulers method, then construct the corresponding confidence ellipses. In order to analyse advantages and disadvantages of the method, choose a simulative integral curve:.We use the same method to calculate the ODE： ， （where are i.i.d bounded random vectors with) by programming. We compute our estimator of the true integral curve