Jarkko Ylipaavalniemi Variability of Independent Components in functional Magnetic Resonance Imaging
Master's thesis submitted in partial fulfillment of the requirements for the
degree of Master of Science in Technology
Espoo, March 3, 2005
Supervisor:	Academy Professor Erkki Oja
Instructor:	Docent Ricardo Vigário

TEKNILLINEN KORKEAKOULU		DIPLOMITYÖN TIIVISTELMÄ
TIETOTEKNIIKAN OSASTO

Tekijä:		Jarkko Ylipaavalniemi
Osasto:		Tietotekniikan osasto
Pääaine:		Informaatiotekniikka
Sivuaine:		Teollisuustalous
Työn nimi:		Riippumattomien komponenttien variaatiot
		toiminnallisessa magneettikuvauksessa
Päiväys:		3.3.2005
Sivumäärä:		82
Professuuri:		T-61 Informaatiotekniikka
Työn valvoja:		Akatemiaprofessori Erkki Oja
Työn ohjaaja:		Dosentti Ricardo Vigário
Tiivistelmä:
Riippumattomien komponenttien analyysi (ICA) on laajalti käytetty ja teho- kas datalähtöinen signaalinkäsittelymenetelmä. Vaikka se onkin osoittautunut hyödylliseksi monilla tutkimusaloilla, kuten bio- ja lääketieteessä, tietoliikenteessä, taloudessa ja luonnollisten kuvien käsittelyssä, liittyy sen käyttämiseen ongelmia. Eräs ongelma on, että ICA:n tuottamat tulokset vaihtelevat hieman jokaisen so- velluskerran välillä. Tästä johtuen tulosten luotettavuus on helppo kyseenalaistaa. Tulosten variaatiot ovat seurausta menetelmän käyttämän tiedon ja toteutuksen sisältämistä tilastollisista ominaisuuksista. Nämä huomiot koskevat myös monia mui- ta sokean lähteiden erottelun (BSS) menetelmiä. Tämä työ esittelee menetelmän tu- losten konsistenttisuuden tutkimiseen ja kuvaa, kuinka variaatioita voidaan käyttää hyväksi hyödyllisen lisätiedon saamiseksi. Menetelmä perustuu useiden ICA:n suo- rituskertojen tuottamien tulosten ryhmittelyyn. Menetelmää on kokeiltu oikean toi- minnallisen magneettikuvauksen (fMRI) yhteydessä, jossa käytettiin ääniärsykkeitä. Menetelmä tunnistaa useat riippumattomat komponentit konsistenteiksi, mutta tar- joaa myös arvokasta tietoa vähemmän konsistenttien ilmiöiden ymmärtämiseksi.
Avainsanat:
variaatiot, riippumattomien komponenttien analyysi, ICA, toiminnallinen magneetti- kuvaus, fMRI, uudelleennäytteistys, ryhmittely

HELSINKI UNIVERSITY OF TECHNOLOGY		ABSTRACT OF MASTER'S THESIS
DEPARTMENT OF COMPUTER SCIENCE
AND ENGINEERING

Author:		Jarkko Ylipaavalniemi
Department:		Department of Computer Science and Engineering
Major subject:		Computer and Information Science
Minor subject:		Industrial Engineering and Management
Title of thesis:		Variability of Independent Components
		in functional Magnetic Resonance Imaging
Date:		3.3.2005
Pages:		82
Professorship:		T-61 Computer and Information Science
Supervisor:		Academy Professor Erkki Oja
Instructor:		Docent Ricardo Vigário
Abstract:
Independent component analysis (ICA) has been widely adopted as a powerful data- driven signal processing technique. But, even though it has been shown to be helpful in many fields, such as, biomedical systems, telecommunication, finance and natural image processing, there remains problems in its wide adoption. One concern is that solutions found with ICA algorithms tend to change slightly each time analysis is done, raising serious questions about the reliability of those solutions. This behav- ior stems from the stochastic nature of the data and ICA algorithms, and affects many other blind source separation (BSS) algorithms as well. This thesis presents a method to analyze the consistency of the solutions. It is also shown how to exploit the variability to gain additional information on the found solutions. The method is based on clustering solutions from multiple runs of bootstrapped ICA. Its useful- ness is tested with a real functional magnetic resonance imaging (fMRI) experiment, involving auditory stimulus, where several independent components are truly con- sistent. Additionally, the information acquired with the method helps in analyzing the underlying phenomena of the less consistent ones.
Keywords:
variability, independent component analysis, ICA, functional magnetic resonance imaging, fMRI, bootstrapping, clustering