复值fMRI数据中幅度与相位脑激活全面映射的全贝叶斯方法
统计方法学
2024-01-15 v1 应用统计
摘要
功能性磁共振成像(fMRI)在神经影像学中发挥着关键作用，通过复值信号探索大脑活动。这些信号由幅度和相位组成，为了解大脑功能提供了丰富的信息来源。传统的fMRI分析主要关注幅度信息，往往忽略了相位数据可能提供的见解。在本文中，我们提出了一种新颖的全贝叶斯模型，用于分析单被试复值fMRI(cv-fMRI)数据。我们的模型，称为CV-M&P模型，其独特之处在于全面利用fMRI信号中的幅度和相位信息，允许独立预测不同类型的激活图。我们引入高斯马尔可夫随机场(GMRF)来捕捉数据中的空间相关性，并采用图像分割和并行计算来提高计算效率。我们的模型通过模拟研究进行了严格测试，然后应用于来自单侧手指敲击实验的真实数据集。结果表明，该模型在准确识别响应特定任务而被激活的大脑区域方面是有效的，并能区分幅度激活和相位激活。
引用
@article{arxiv.2401.06348,
title = {A Fully Bayesian Approach for Comprehensive Mapping of Magnitude and Phase Brain Activation in Complex-Valued fMRI Data},
author = {Zhengxin Wang and Daniel B. Rowe and Xinyi Li and D. Andrew Brown},
journal= {arXiv preprint arXiv:2401.06348},
year = {2024}
}