在潜在双曲嵌入空间中检测网络的局部扰动
定量方法
2024-06-10 v3 数据分析、统计与概率
摘要
图论方法已被证明能有效刻画连通系统，并量化其因扰动而产生的功能障碍。本文展示了网络的非欧几里得（双曲）表示在识别局部连通性扰动及大规模刻画其诱发效应方面的优势。我们基于网络在潜在几何空间中的表示，提出了两种扰动评分，该表示通过嵌入到双曲 Poincaré 盘获得。我们通过数值证明，这些方法能够定位具有同质或异质度连通性的网络中的扰动。我们将该框架应用于识别癫痫患者术后受扰动最大的脑区。本研究旨在开发更强大的工具来表示和分析大脑网络，并首次将几何网络嵌入技术应用于癫痫案例。
引用
@article{arxiv.2401.13495,
title = {Detecting local perturbations of networks in a latent hyperbolic embedding space},
author = {Alice Longhena and Martin Guillemaud and Mario Chavez},
journal= {arXiv preprint arXiv:2401.13495},
year = {2024}
}