用于静息态 fMRI 的贝叶斯递归状态空间模型
机器学习
2020-11-17 v1 机器学习
神经元与认知
摘要
我们提出一种层次贝叶斯递归状态空间模型，用于建模静息态 fMRI 数据中的切换网络连通性。我们的模型使我们能够揭示跨疾病条件共享的网络模式。我们在 ADNI2 数据集上评估我们的方法，推断出与轻度认知障碍（MCI）个体中改变的神经回路相对应的潜在状态模式。除了在健康个体和 MCI 个体间共享的状态外，我们还发现了主要在 MCI 个体中观察到的潜在状态。我们的模型在 ADNI2 数据集上优于当前最先进的深度学习方法。
引用
@article{arxiv.2011.07365,
title = {Bayesian recurrent state space model for rs-fMRI},
author = {Arunesh Mittal and Scott Linderman and John Paisley and Paul Sajda},
journal= {arXiv preprint arXiv:2011.07365},
year = {2020}
}
备注
Machine Learning for Health (ML4H) at NeurIPS 2020 - Extended Abstract