基于贝叶斯稀疏建模的功能磁性共振成像数据中共享神经响应
应用统计
2026-04-24 v1
摘要
从功能磁性共振成像（fMRI）中检测暴露于相同刺激下的个体间共享神经活动，可揭示同步的脑反应、区域的功能角色以及潜在的临床生物标志物。介于主方法是识别体素级共享反应和主观间变异性的介于主观相关性（ISC），但它依赖重数据汇总和成千上万的区域性检测，导致不确定性量化不足和多重检验问题。ISC 也不直接估计共享神经响应（SNR）函数。我们提出一种适用于任务型和自然刺激 fMRI 的基于模型的替代方法，同时识别共享活动的空间区域并估计 SNR 函数。该模型将稀疏高斯过程响应函数估计与受鹰尾先验结合，以检测体素激活。空间结构扩展鼓励相邻体素 exhibit相似的激活模式。我们检验了该模型的性质，通过仿真评估性能，并分析了两个真实世界 fMRI 数据集，包括一个任务型数据集和一个自然刺激数据集。贝叶斯框架为共享响应函数提供原则性的不确定性量化，并在激活检测和响应估计方面优于标准方法。模型拟合显示其在 ISC 方面表现相当或更好，同时该框架为临床应用开输了新途径。
引用
@article{arxiv.2604.21676,
title = {Bayesian Sparsity Modeling of Shared Neural Response in Functional Magnetic Resonance Imaging Data},
author = {Spencer Wadsworth and Nabin Koirala and Nicole Landi and Ofer Harel},
journal= {arXiv preprint arXiv:2604.21676},
year = {2026}
}