因子化二分搜索：多元高维时间序列网络结构中的变点检测
统计方法学
2024-01-22 v3 应用统计
统计计算
摘要
功能磁共振成像（fMRI）时间序列数据为理解大脑时间连接性的行为提供了独特机会，而揭示该器官复杂动态运作的模型在神经科学中备受关注。我们致力于为高维全脑 fMRI 数据开发准确的变点检测与网络估计技术。为此，我们引入因子化二分搜索（FaBiSearch），一种用于多元高维时间序列网络结构中的新型变点检测方法，以理解大脑的大规模表征与动态。FaBiSearch 采用非负矩阵分解这一无监督降维技术，以及一种新的二分搜索算法来识别多个变点。此外，我们提出了一种用于变点之间数据的网络估计新方法。我们试图理解大脑的动态机制，特别是针对两个 fMRI 数据集。第一个是静息态 fMRI 实验，受试者分三次访视被扫描。第二个是基于任务的 fMRI 实验，受试者阅读《哈利·波特与魔法石》第 9 章。对于静息态数据集，我们考察动态功能连接的重测行为；而对于基于任务的数据集，我们探索阅读期间的网络动态以及跨受试者的变点是否与故事中的关键情节转折相吻合。进一步，我们识别脑网络中的枢纽节点并考察其动态行为。最后，我们将所讨论的所有方法发布于 CRAN 上的 R 包 fabisearch 中。
引用
@article{arxiv.2103.06347,
title = {Factorized Binary Search: change point detection in the network structure of multivariate high-dimensional time series},
author = {Martin Ondrus and Emily Olds and Ivor Cribben},
journal= {arXiv preprint arXiv:2103.06347},
year = {2024}
}