一种用于动态功能连接的状态空间模型
应用统计
2019-12-13 v1 神经元与认知
定量方法
摘要
动态功能连接（DFC）分析涉及在多个脑区随时间测量相关的神经活动。神经信号之间显著的脑区相关性，例如从静息态功能磁共振成像（fMRI）获得的信号，可能代表与静息相关的神经回路。将相关性动态估计为来自滑动时间窗的静态相关性序列的传统方法存在统计局限性。为解决此问题，我们受计量经济学研究近期工作的启发，提出一种用于估计 DFC 的多变量随机波动率模型。该模型假设一个状态空间框架，其中多变量正态观测序列的相关性动态由一个正定矩阵变量潜过程控制。在序贯贝叶斯估计框架内使用此统计模型，我们利用来自多个脑区的血氧水平依赖活动来估计相关性轨迹上的后验分布。我们通过分析其在模拟数据上的性能，以及估计一名意识障碍（DoC）患者静息态 fMRI 数据中的相关性动态，展示了该 DFC 估计框架的效用。我们的工作推进了 DFC 分析及其在 DoC 生物标志物探索中原则性使用的最先进水平。
引用
@article{arxiv.1912.05595,
title = {A state-space model for dynamic functional connectivity},
author = {Sourish Chakravarty and Zachary D. Threlkeld and Yelena G. Bodien and Brian L. Edlow and Emery N. Brown},
journal= {arXiv preprint arXiv:1912.05595},
year = {2019}
}
备注
Presented in 53rd Annual Asilomar Conference on Signals, Systems, and Computers, Pacific Grove, CA