具有 K-部图拓扑的差异表达功能连接网络
神经元与认知
2016-03-24 v1 应用统计
摘要
新兴的脑网络研究表明，不同分布式神经元群体之间的相互作用可能以有组织的复杂拓扑结构为特征。许多脑部疾病与脑连接拓扑模式的改变相关。因此，连接性分析的一个关键探究是识别具有低假阳性率、足够统计功效和高可重复性的网络水平差异表达连接。在本文中，我们提出一种新颖的统计方法，通过利用图形表示中差异表达功能连接或边的拓扑结构来实现这一目标。我们提出一种新算法自动检测 k-部图结构的潜在拓扑，并且我们还提供统计推断技术来检验所检测的拓扑。我们通过广泛的数值研究评估我们的新方法。我们还将我们的新方法应用于静息态 fMRI 数据（24 例病例和 18 例对照）用于帕金森病研究。所检测到的具有 k-部图拓扑结构的连接网络生物标记物揭示了区分帕金森病患者与健康对照受试者的潜在神经特征。
引用
@article{arxiv.1603.07211,
title = {Differentially Expressed Functional Connectivity Networks with K-partite Graph Topology},
author = {Shuo Chen and F. DuBois Bowman and Yishi Xing},
journal= {arXiv preprint arXiv:1603.07211},
year = {2016}
}