基于联合有向无环图估计模型的精神分裂症异常连接检测
应用统计
2020-10-27 v1
摘要
功能连接（FC）已被广泛用于研究个体 emergent 认知与行为背后的脑网络交互。FC通常定义为脑区之间的相关或偏相关。尽管FC被证明是理解脑组织的良好起点，其无法揭示因果关系或交互方向。许多基于有向无环图（DAG）的方法被应用于利用功能磁共振成像（fMRI）数据研究有向交互，但性能严重受限于小样本量和高维度，阻碍了其应用。为克服这些障碍，我们提出一种基于分数的联合有向无环图模型来估计fMRI数据中的有向FC。我们未采用组合优化框架，而是用代数方程刻画DAG结构，并进一步以稀疏性与组相似性项正则化。仿真结果表明，相较其他现有方法，所提模型在检测因果性上准确度更高。在MIND临床影像联盟（MCIC）数据的病例对照研究中，我们成功识别出精神分裂症患者中功能整合减弱、枢纽结构破坏与特征边（CtEs）。有向FC与无向FC结果的进一步比较说明了二者在所选特征上的不同侧重。我们推测，结合无向图模型与有向图模型特征或许是进行FC分析的一种有前景途径。
引用
@article{arxiv.2010.13029,
title = {Detecting abnormal connectivity in schizophrenia via a joint directed acyclic graph estimation model},
author = {Gemeng Zhang and Aiying Zhang and Biao Cai and Zhuozhuo Tu and Vince D. Calhoun and Yu-Ping Wang},
journal= {arXiv preprint arXiv:2010.13029},
year = {2020}
}