通过Mahalanobis白化和Bures几何学来去个性化fMRI信号
Aaron Jacobson1, Tingting Dan2, Martin Styner2,3
1Department of Mathematics, University of North Carolina at Chapel Hill, 120 E. Cameron Avenue, Chapel Hill, 27599, North Carolina, United States of America.
ArXiv
|November 26, 2025
概括
马哈拉诺比斯白化增强了fMRI数据中的功能连接性分析. 这种方法有助于了解大脑功能,并可能改善早期阿尔茨海默病的诊断.
科学领域:
- 神经科学是一个神经科学.
- 脑部成像 脑部成像
- 数据分析 数据分析
背景情况:
- 功能连接分析对于使用神经成像来理解大脑疾病至关重要.
- 分析功能连接变化有助于评估疾病或刺激对大脑功能的影响.
研究的目的:
- 从fMRI信号中提取有意义的信息,使用Mahalanobis美白和缩小维度.
- 将Mahalanobis白化解释为与布雷斯距离和量子力学相关的非个性化过程.
主要方法:
- 在fMRI信号上应用Mahalanobis数据在减小维度之前进行白化.
- 利用Bures距离来激励Mahalanobis美白的非个性化解释.
主要成果:
- 从fMRI数据中成功提取了有意义的受试者和刺激信息.
- 提供了Mahalanobis白化与量子力学连接的新解释.
结论:
- 开发的方法可以促进对大脑功能,认知和行为机制的理解.
- 有潜力提高临床前阿尔茨海默病诊断的准确性和一致性.
