利用静息态 fMRI 提取人脑分层功能连接成分
神经元与认知
2021-03-02 v3 机器学习
图像与视频处理
机器学习
摘要
由于大量研究指出人脑存在功能层级组织，人脑网络中的层级研究一直备受研究者关注。本文提供了一种利用静息态 fMRI 提取人脑分层连接成分的新方法。该方法基于先前的稀疏连接模式（SCPs）工作，引入了稀疏重叠模式的分层结构。这些成分通过由 fMRI 生成的相关矩阵的深度分解来估计。本文的目标是使用相关矩阵提取可解释的分层模式，其中低秩分解由高秩分解的线性组合构成。我们将该分解表述为一个非凸优化问题，并使用具有自适应步长的梯度下降算法求解。我们还提供了使用奇异值分解对梯度下降进行热启动的方法。我们在两个不同真实数据集上展示了所开发方法的有效性，表明多尺度分层 SCPs 在子样本间可复现，且比单尺度模式更具可复现性。我们还将我们的方法与现有的分层社区检测方法进行比较。我们的方法也为人脑功能组织提供了新的见解。
引用
@article{arxiv.1906.08365,
title = {Extraction of hierarchical functional connectivity components in human brain using resting-state fMRI},
author = {Dushyant Sahoo and Theodore D. Satterthwaite and Christos Davatzikos},
journal= {arXiv preprint arXiv:1906.08365},
year = {2021}
}