利用体素到体素因果建模特征选择探索静息态 fMRI 中的潜在网络

功能网络表征由功能神经影像观察到的协调神经活动。静息态期间不同网络的普遍存在为预测神经退行性疾病的轨迹提供了有用特征。网络估计技术依赖于体素之间的统计相关性或依赖性。由于体素数量庞大，而非考虑所有体素之间的体素到体素相关性，通常选取一小部分种子体素。因此，网络识别可能依赖于所选种子。作为替代，我们提出拟合具有系数稀疏先验的一阶线性模型，将整个皮层灰质体素集的活动建模为较小体素子集的线性组合。我们提出一种两阶段算法用于体素子集选择，该算法使用不同的稀疏诱导正则化方法来识别受试者特定的因果预测体素。为揭示这些体素之间的功能网络，我们随后应用独立成分分析 (ICA) 将这些体素信号建模为潜在源的混合，每个源定义一个功能网络。基于源空间模式的受试者间相似性，我们识别出跨受试者良好匹配但与基于组的 ICA 的独立源不匹配的独立源。这些是跨受试者共有的静息态网络，组 ICA 未能揭示。这些互补网络有助于更好地识别神经退行性变，此任务留待未来工作。