基于热核的HCP任务态fMRI网络分类

网络理论为人类大脑提供了一种基于原理的抽象：将复杂系统简化为一种更简单的表示，用以研究大脑组织。神经影像领域最近的进展倾向于将脑连接表示为一个动态过程，以深入理解功能模块之间为高效信息传输而发生的相互作用。本工作中，我们采用热核来建模功能网络中能量扩散的过程。我们提取基于节点、多尺度的特征，描述热随“时间”的传播，这些特征不仅反映图中节点的重要性，还融合了网络底层几何的局部与全局信息。作为概念验证，我们测试了两种热核特征在区分来自 Human Connectome Project 的运动和工作记忆功能网络方面的效力。为比较，我们也使用传统网络度量对任务网络进行分类，这些度量同样提供节点重要性排序。此外，采用 Smooth Incremental Graphical Lasso Estimation 算法的一个变体来估计非稀疏精度矩阵，以解释时间序列中的非平稳性。我们展示了不同任务之间以及大脑不同区域之间热核特征的差异。使用随机森林分类器，我们表明热核度量能够捕捉功能网络的内在属性，这些属性可作为任务分类的良好特征。