功能脑网络构建的小波方法、滤波器与长度选择
神经元与认知
2016-09-28 v1
摘要
小波方法被广泛用于将fMRI、EEG或MEG信号分解为代表固定频带中神经生理活动的时间序列。利用这些时间序列，可以估计传感器或感兴趣区域之间频带特定的功能连接，从而构建可从图论角度检查的功能脑网络。然而，尽管小波方法常用，关于小波方法、滤波器和长度选择的实际指南在很大程度上仍未明确。在此，我们明确探究了小波方法（MODWT与DWT）、小波滤波器（Daubechies极值相位、Daubechies最小非对称和Coiflet族）以及小波长度（2至24）——这些均为基于小波的方法中的关键参数——对网络诊断估计值及其对精神疾病变化的敏感性的影响。我们观察到MODWT方法比DWT方法产生更小变化的估计。我们还观察到，所选小波滤波器的长度比所选小波类型对网络诊断估计值有更大影响。此外，小波长度影响该方法检测健康与疾病差异的敏感性并调整分类准确性。总之，我们的结果表明，小波方法和长度的选择显著改变这些方法在估计源自图论的网络诊断值时的可靠性和敏感性。它们进一步证明了在神经影像研究中报告所采用选择的重要性，并支持探索小波参数以最大化分类准确性在精神疾病和神经系统疾病生物标志物开发中的效用。
引用
@article{arxiv.1512.07596,
title = {Choosing Wavelet Methods, Filters, and Lengths for Functional Brain Network Construction},
author = {Zitong Zhang and Qawi K. Telesford and Chad Giusti and Kelvin O. Lim and Danielle S. Bassett},
journal= {arXiv preprint arXiv:1512.07596},
year = {2016}
}
备注
working paper