多主体fMRI数据分析的新方法:嵌入集群的独立组件分析 (ICA-CE)

科学领域:

• 神经成像是一种神经成像.
• 计算神经科学是一种神经科学.
• 数据科学数据科学数据科学

背景情况:

• 对多个受试者功能磁共振成像 (fMRI) 数据的准确分析对于理解大脑功能网络 (FN) 至关重要.
• 传统的独立组件分析 (ICA) 方法在未知主题类时难以提取单个FN.
• 像集群 ICA (C-ICA) 这样的现有方法在用复杂数据集集群集性能方面存在局限性.

研究的目的:

• 开发一种新的方法,独立组件分析与集群嵌入 (ICA-CE),用于未经监督或半监督的个人FN和主体集群的估计.
• 为了提高从fMRI数据中提取大脑FNs和对象分类的准确性.

主要方法:

• 拟议的ICA-CE方法整合了主体集群和ICA,用于同时估计单个FN和组级集群.
• 使用模拟的fMRI数据进行验证,具有不同的属性.
• 应用于来自人类结合体项目 (HCP) 的与任务相关的fMRI数据.

主要成果:

• 与模拟数据上的K-平均和C-ICA相比,ICA-CE在聚类性能上表现出更好的表现.
• 从模拟数据中提取单个FN的平均准确率超过90%.
• 在HCP数据上展示了更高的集群准确性,并确定了与任务相关的类特定的FN.

结论:

• ICA-CE是准确估计大脑FNs和多主体聚类的有效方法.
• 这种方法对临床应用具有前景,有助于分析大脑疾病和受试者分层.