基于相似度矩阵约减的仿射聚类fMRI数据分析

　　利用仿射聚类（ APC）方法分析数据量庞大的功能磁共振成像（fMRI）数据时，在时间复杂度、数据存储和聚类效果等方面存在局限性。为此，提出一种融合稀疏仿射传播聚类（ SAPC）和相似度矩阵约减的新方法（ SDAPC）。对fMRI数据进行稀疏逼近后，结合高斯密度函数和欧式距离对稀疏数据进行密度分析，完成约减后fMRI数据的功能连通性检测。任务态数据实验结果表明，对于单被试，SDAPC的ROC曲线与SAPC接近，但运行速度比SAPC提高了约3倍；对于多被试，SDAPC和SAPC的ROC曲线效果均优于其单被试的ROC曲线。静息态数据实验结果进一步表明，SDAPC能成功提取出9个静息态脑网络。