对于多变量功能数据的梯度同步,适用于大脑连接

科学领域:

• 统计 统计 统计 统计
• 神经成像是一种神经成像.
• 功能数据分析 功能数据分析

背景情况:

• 神经成像中的功能连接分析,特别是使用功能磁共振成像 (fMRI),对于理解大脑功能至关重要.
• 像静态时间皮尔森相关性这样的传统方法在捕捉大脑连接的动态性质方面存在局限性.
• 最近的研究强调了动态功能连接的重要性,需要先进的相似性措施.

研究的目的:

• 开发用于捕捉动态功能特征的多变量随机曲线的新型相似度.
• 引入梯度同步措施来评估动态功能连接.
• 在模拟和真实世界的神经成像数据中评估拟议的措施.

主要方法:

• 基于配对的平滑随机函数之间的梯度的一致性和不一致性的梯度同步测量的发展.
• 理论分析以在规律性条件下获得拟议估计的非对称正常性.
• 使用模拟数据和休息状态fMRI信号的应用和验证来自阿尔茨海默氏病神经成像计划.

主要成果:

• 拟议的梯度同步措施有效量化了随机曲线之间的动态功能相似性.
• 确定了估计器的非对称正常性,为方法提供了理论基础.
• 应用到阿尔茨海默病神经影像计划数据显示,不同疾病状态的受试者之间的歧视有所改善.

结论:

• 梯度同步为分析动态功能连接提供了一种强大的新方法.
• 这些措施提高了在神经成像研究中区分健康和疾病状态的能力.
• 这些发现对推进功能性大脑连接研究和临床应用具有重大意义.