代用大脑地图的生成,通过随机旋转几何特征模式来保持空间自相关性

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:

• 大脑活动表现出复杂的时空模式,受到底层生物特性的影响.
• 大脑图中的空间自相关性 (SA) 可以导致膨胀的相关性和错误的阳性结果.
• 准确的统计推断需要理解在存在SA时的机会相关性.

研究的目的:

• 介绍和验证自带法用于生成脑图相关性的零分布.
• 解决神经成像数据中内在空间平滑性引起的虚假相关性的挑战.
• 提供一个强大的框架来分析不同类型的大脑图之间的关联.

主要方法:

• 使用几何特征模式的脑图的光谱分解.
• 随机旋转自身模式以创建保留空间自相关性的替代地图.
• 应用于功能磁共振成像 (fMRI) 在皮层和皮下表面的激活模式.

主要成果:

• Eigenstrapping替代品准确地代表了机会相关性的零分布.
• 与现有方法相比,证明了对虚假阳性率的优越控制.
• 该方法在计算上是高效的,不需要对SA的参数假设.

结论:

• Eigenstrapping提供了一种统一而有效的方法,用于对大脑图的统计推理.
• 该方法适用于各种大脑表面和复杂的时空过程.
• 这种技术提高了在神经成像研究中识别真实关联的可靠性.