线性脑网络模型中的有效连接估计
最优化与控制
2017-03-31 v1 神经元与认知
摘要
当代神经科学已采用网络科学来研究人脑复杂且自组织化的结构；主要未决问题之一是从测量数据（主要是功能磁共振成像（fMRI））推断脑网络中的所谓有效连接，即神经元群体间存在的相互作用。这一逆问题因以下事实而复杂化：fMRI测量的BOLD（血氧水平依赖）信号代表了神经元活动的动态非线性变换（血流动力学响应）。本文考虑静息态（rs）fMRI数据；基于BOLD信号的线性群体模型和随机线性DCM模型，模型参数通过EM型迭代过程估计，该过程交替利用Rauch-Tung-Striebel (RTS) 平滑器估计神经元活动、更新神经元状态间的连接并优化血流动力学模型参数；互连结构中的稀疏性通过迭代重加权方案得以促进。给出了使用rs-fMRI数据的实验结果，证明了我们方法的有效性，并与最先进例程（SPM12工具箱）进行了比较。
引用
@article{arxiv.1703.10363,
title = {Estimating effective connectivity in linear brain network models},
author = {Giulia Prando and Mattia Zorzi and Alessandra Bertoldo and Alessandro Chiuso},
journal= {arXiv preprint arXiv:1703.10363},
year = {2017}
}