解构Mapper算法,从功能神经成像数据中提取更丰富的拓和时间特征
Daniel Haşegan1, Caleb Geniesse1, Samir Chowdhury1
1Department of Psychiatry and Behavioral Sciences, Stanford University.
bioRxiv : the preprint server for biology
|October 31, 2023
概括
了解大脑活动动态是认知的关键. 本研究探讨了拓数据分析 (TDA) 工具Mapper参数使用合成和fMRI数据,为研究人员提供指导.
科学领域:
- 神经科学是一个神经科学.
- 拓数据分析 拓数据分析
- 数据科学数据科学数据科学
背景情况:
- 捕捉大规模的大脑活动动态可以促进认知理解.
- 拓数据分析 (TDA),特别是Mapper算法,已被用于分析高分辨率的大脑活动.
- 映射器对参数选择的敏感性需要仔细检查,特别是在易受人工物影响的神经成像数据中.
结论:
- 彻底检查Mapper参数对于可靠分析大脑动态至关重要.
- 这项研究为将TDA应用于神经成像数据提供了实际见解.
- 发布的工具箱促进了神经科学研究中的可复制和强大的TDA.
