在fMRI有效连接分析中通过结构方程建模诱导的约束的多层测试:概念验证

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.
• 统计建模 统计建模

背景情况:

• 功能性MRI (fMRI) 中有效的连接性分析旨在了解大脑区域之间的因果关系.
• 结构方程建模 (SEM) 是一种常见的技术,但验证其基础结构模型可能具有挑战性.
• 现有的方法可能无法充分利用观测数据进行严格的模型评估.

研究的目的:

• 提出和验证一种用于fMRI有效连接分析的结构方程模型完整性测试的新方法.
• 开发一个框架来提取和评估指向图形模型中缺少链接所暗示的条件独立性约束.
• 通过量化约束坚持,使模型有效性的更细微的评估.

主要方法:

• 拟议的方法从给定的结构图中提取条件独立约束,该结构图代表大脑区域的相互作用.
• 这些约束在贝叶斯框架内进行测试,允许进行个人,联合或全球验证.
• 该方法侧重于观察性fMRI数据的可测试影响,避免无根据的因果关系说法.

主要成果:

• 该方法通过模拟研究得到了验证,证明了其在评估模型约束方面的有效性.
• 对已公布的fMRI数据的重新分析说明了该方法的实际好处和潜力.
• 该技术允许量化数据对每个约束或缺失环节的支持程度.

结论:

• 这种新的方法提供了一个强大的方法来测试fMRI有效连接中的结构方程模型的有效性.
• 它通过专注于经验测试的约束来提高因果推理的可靠性.
• 该方法提供了一个灵活的框架来评估模型的合适性和识别潜在的模型缺陷.