癫痫发作前与发作后海马深部记录中社区结构的检测与评估
社会与信息网络
2018-06-04 v2 物理与社会
神经元与认知
摘要
在各种状态下检测与评估脑区是计算神经科学中最有趣的话题之一。然而,大多数关于脑功能连接网络社区检测的研究都是基于相干性属性而非相关性获得的网络进行的。这类研究的缺乏,部分是由于许多常见的图聚类方法要求网络的节点以“正”方式连接,而根据定义,相干矩阵可保证这一性质。然而,相关矩阵揭示了关于每对节点如何连接的更多信息。在本研究中,我们首次同时考察了四种本质不同的网络聚类方法(谱方法、启发式方法和优化方法)应用于麻醉大鼠海马 CA1 区在发作前和发作后状态下的功能连接网络。网络由相关矩阵获得,其结果并与将相同方法应用于相干矩阵所得结果进行比较。相关矩阵相比相干矩阵显示出更精细的社区结构。此外,我们考察了选择不同窗口大小计算相关/相干矩阵可能带来的平滑效应。
引用
@article{arxiv.1804.01568,
title = {Community structure detection and evaluation during the pre- and post-ictal hippocampal depth recordings},
author = {Keivan Hassani Monfared and Kris Vasudevan and Jordan S. Farrell and G. Campbell Teskey},
journal= {arXiv preprint arXiv:1804.01568},
year = {2018}
}
备注
13 figures