移动窗口的功能连接性推断与非静止的自相关性和交叉相关性
Jing Zhang1, Stefan Posse2, Curtis Tatsuoka3
1Department of Population and Quantitative Health Science, Case Western Reserve University, OH, United States.
bioRxiv : the preprint server for biology
|July 1, 2024
概括
静止状态fMRI中的动态功能连接 (dFC) 分析需要准确的差异估计. 本研究引入了一种新的方法,考虑非静止的自相关和交叉相关函数,以改进动态连接性推断.
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.
- 统计分析 统计分析
背景情况:
- 功能连接 (FC) 传统上假定静止,但大脑活动是动态的.
- 动态FC (dFC) 捕获时间变化的脑网络同步.
- 使用滑动窗口的当前dFC方法经常忽视时间变化的信号属性.
研究的目的:
- 通过考虑非静止度来解决动态FC分析的局限性.
- 为fMRI中的滑窗相关性提出一种新的方差估计方法.
- 改进动态大脑连接的统计推断.
主要方法:
- 使用体内静止状态fMRI数据,在自相关 (ACF) 和交叉相关 (XCF) 函数中证明非静止性.
- 为移动窗口相关性开发了一种新的差异估计方法,该方法包含动态ACF和XCF.
- 通过模拟验证了该方法,将其性能与现有技术进行比较.
主要成果:
- 在fMRI时间序列的ACF和XCF中确认了显著的非静止性.
- 拟议的差异估计方法准确地捕捉了动态连接变化.
- 与标准方法相比,模拟显示了拟议方法在推断动态连接方面的优势.
结论:
- 考虑到动态信号属性的准确差异估计对于可靠的dFC分析至关重要.
- 这种新的方法增强了统计推理,有可能减少dFC研究中的假阳性和假阴性.
- 这项工作为理解动态大脑网络提供了一个更强大的框架.
更多相关视频
05:59Author Spotlight: Unlocking New Insights in fNIRS Studies - A Novel Framework for Inter-Brain Synchrony Analysis
Published on: October 6, 2023
2.4K
08:42Measurement of the Directional Information Flow in fNIRS-Hyperscanning Data using the Partial Wavelet Transform Coherence Method
Published on: September 3, 2021
3.1K
