通过采样生物学合理模型从单次试验 fMRI 数据中提取有效连接
神经元与认知
2020-08-17 v1 数据分析、统计与概率
摘要
估计大脑中的因果网络架构对于理解认知信息过程至关重要。然而，获取认知背后的动态过程仅限于对隐藏神经活动的间接测量，例如通过 fMRI 数据。因此，估计底层过程的网络结构具有挑战性。在本文中，我们将一种名为自适应路径积分平滑器的自适应重要性采样器嵌入到期望最大化算法中，以获得因果连接的点估计。我们在合成数据上证明，该过程不仅能从连接矩阵的随机初始化中找到正确的网络结构，还能找到有效连接的方向。此外，受文献中矛盾观点的启发，我们研究了神经元时间尺度对 BOLD 信号对连接变化的敏感性以及对连接的最大似然解的影响。我们以两个警告作为结论：首先，如果数据是由快速神经过程生成的，则在慢动力学假设下的连接估计可能会产生极大偏差。其次，时间尺度越快，BOLD 信号对节点输入连接变化的敏感性越低。因此，使用真实神经动力学时间尺度进行连接估计需要极高质量的数据，在许多实际数据集中似乎是不可行的。
引用
@article{arxiv.1803.05840,
title = {Effective Connectivity from Single Trial fMRI Data by Sampling Biologically Plausible Models},
author = {H. C. Ruiz-Euler and H. J. Kappen},
journal= {arXiv preprint arXiv:1803.05840},
year = {2020}
}