无图谱的脑结构连接连续型分析
统计计算
2023-08-11 v1 神经元与认知
应用统计
统计方法学
摘要
脑结构网络通常表示为离散邻接矩阵，其元素概括感兴趣区域（ROI）之间的连接性。这些 ROI 通常借助脑图谱先验确定。图谱的选择往往任意，并可能导致亚 ROI 级别重要连接信息的丢失。本文引入一种无图谱框架，通过使用平滑随机函数建模脑连接来克服这些问题。具体而言，我们假设观察到的白质纤维束端点模式由定义于积流形域上的潜在随机函数所驱动。为促进对这些高维函数型数据对象的统计分析，我们开发了一种新算法来构建数据驱动的降秩函数空间，在计算复杂度与灵活性之间取得良好权衡。利用来自 Human Connectome Project 的真实数据，我们表明该方法在多种连接分析任务上优于使用传统基于图谱结构连接表示的最先进方法。我们进一步展示该方法如何用于检测与组间差异相关的局部区域和连接模式。
引用
@article{arxiv.2308.05738,
title = {Continuous and Atlas-free Analysis of Brain Structural Connectivity},
author = {William Consagra and Martin Cole and Xing Qiu and Zhengwu Zhang},
journal= {arXiv preprint arXiv:2308.05738},
year = {2023}
}