从成像数据逆向工程脑连接的方法评估与集成
神经元与认知
2016-03-17 v1
摘要
脑科学是一个不断发展的研究领域，因其提供洞察从而预防和治疗的潜力而引发巨大热情，涉及影响数百万患者的多种神经元疾病。发现诸如脑连接等关系，是基础研究、转化科学和临床科学的主要目标。因果发现算法被用于不同领域，以解决类似于神经元脑连接重建的任务。我们的目标是理解这些方法的优势与局限，衡量性能及其决定因素，并提供提升其性能和适用性的见解。我们对若干最先进算法的重建性能以及用于组合它们的几种集成技术进行了广泛的实证测试和基准评估。我们的实验使用了一个明确且广泛相关的金标准，该标准基于从先前验证的现实神经元模型中采样的数千个神经元的钙荧光时间序列记录。相关、基于熵的度量、短时延互相关以及广义传递熵表现出最佳性能，其 ROC 曲线下面积（AUC）在 0.7-0.8 范围内，即使对于 n = 100 到 1,000 的较小样本量也如此，并且快速收敛（在小于 n = 1,000 时）。使用随机森林和神经网络对最佳执行方法进行集成，在 n = 10,000 时生成约 0.9 的 AUC。我们获得了关于参数选择和样本量以指导研究实验设计的若干重要见解。我们的数据也支持使用现有技术可靠重建复杂神经元连接的可行性。
引用
@article{arxiv.1603.04906,
title = {Evaluation and Ensembling of Methods for Reverse Engineering of Brain Connectivity from Imaging Data},
author = {Bisakha Ray and Alexander V. Alekseyenko and Sisi Ma and Alexander Statnikov and Constantin Aliferis},
journal= {arXiv preprint arXiv:1603.04906},
year = {2016}
}