用监督自编码器估计可预测应激与基因型的脑网络
机器学习
2023-03-09 v2 机器学习
神经元与认知
摘要
大脑的靶向刺激有治疗精神疾病的潜力。我们提出一种方法，通过识别跨多个脑区与疾病状态相关的电动力学来帮助设计刺激方案。我们将多区域电活动建模为来自潜网络的活动的叠加，其中潜网络上的权重与感兴趣的结果相关。为改进此背景下潜因子建模的缺陷，我们聚焦于监督自编码器（SAEs），其可在保持生成模型的同时提升预测性能。我们解释了 SAEs 为何能产生改进预测，描述了 SAEs 作为恰当建模选择的分布假设，并给出确保所学网络生物学相关性的建模约束。我们利用该分析策略找到一个与应激相关的网络，其刻画了与双相情感障碍相关的基因型。该发现的网络与此前使用的刺激技术一致，为我们的方法提供了实验验证。
引用
@article{arxiv.2004.05209,
title = {Estimating a Brain Network Predictive of Stress and Genotype with Supervised Autoencoders},
author = {Austin Talbot and David Dunson and Kafui Dzirasa and David Carlson},
journal= {arXiv preprint arXiv:2004.05209},
year = {2023}
}
备注
43 pages, 9 figures