一种用于从静止状态fMRI进行稀疏动态功能连接分析的新方法
Houxiang Wang1, Jiaqing Chen1, Zihao Yuan1
1School of Science, Wuhan University of Technology, Wuhan, Hubei, 430070, China.
Journal of neuroscience methods
|September 6, 2024
概括
我们介绍了一种新的计算框架,用于分析脑成像数据中的动态功能连接 (DFC). 这种方法准确地揭示了休息状态fMRI的时间变化的大脑结构和稀疏的DFC模式.
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:
- 了解大脑网络中的动态功能连接 (DFC) 是至关重要的.
- 从静止状态fMRI (rs-fMRI) 估计时间动态是当前方法的挑战.
研究的目的:
- 在高维 rs-fMRI 数据中开发一种用于稀疏 DFC 分析的新型计算框架.
- 克服现有的动态功能连接性估计方法的局限性.
主要方法:
- 拟议的HDP-HSMM-BPCA模型:概率主要组件分析的时间延伸.
- 在克服标准HMM限制之前使用层次的迪里克莱特过程 (HDP).
- 贝叶斯非参数隐藏的半马尔科夫模型 (HSMM) 自动推断出潜在的空间维度.
主要成果:
- 与现有模型相比,HDP-HSMM-BPCA在合成数据上显示出更高的估计准确性.
- 对真实 rs-fMRI 数据的应用揭示了时间变化的结构和稀疏的 DFC 模式.
- 该模型有效地发现了rs-fMRI数据中潜在的时间结构.
结论:
- 介绍了一种用于稀疏DFC分析的新计算框架.
- 这一框架有助于在rs-fMRI数据中发现潜在的时间结构.
- 增强对大脑功能连接动态的研究.
更多相关视频
11:28Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging
Published on: June 30, 2018
11.6K
08:36Dynamic Inter-subject Functional Connectivity Reveals Moment-to-Moment Brain Network Configurations Driven by Continuous or Communication Paradigms
Published on: March 21, 2019
7.2K
