从功能磁共振成像时间序列估计时变脑连接网络
机器学习
2014-04-15 v2 应用统计
摘要
以网络形式理解大脑的功能架构正变得日益普遍。在大多数 fMRI 应用中，功能网络被假定为平稳的，从而为整个时间过程估计出单一网络。然而，近期结果表明，即使在静息状态下，脑区之间的连接也具有高度非平稳性。因此，需要新的脑成像方法来全面解释 fMRI 数据的动态（即非平稳）特性。在本工作中，我们提出了平滑增量图 Lasso 估计（SINGLE）算法，该算法可从 fMRI 数据中估计动态脑网络。我们将 SINGLE 算法应用于 24 名健康受试者执行选择 - 反应任务时的功能磁共振成像数据，以展示伴随简单但需注意力的认知任务而发生的网络结构动态变化。利用图论度量，我们显示右额下回（常被报道在认知控制中起重要作用）随任务发生动态变化。我们的结果表明，右额下回在需认知投入的任务中的注意力和执行功能中发挥根本作用，并可能在调节其他脑区之间的平衡中起关键作用。
引用
@article{arxiv.1310.3863,
title = {Estimating Time-varying Brain Connectivity Networks from Functional MRI Time Series},
author = {Ricardo Pio Monti and Peter Hellyer and David Sharp and Robert Leech and Christoforos Anagnostopoulos and Giovanni Montana},
journal= {arXiv preprint arXiv:1310.3863},
year = {2014}
}