基于随机卷积的通用动态脑功能连接
机器学习
2024-11-07 v3 神经与进化计算
摘要
动态功能连接（DFC）分析已广泛应用于功能磁性共振成像（fMRI）数据，以揭示脑状态的时间变化。滑动窗口方法是最流行的 DFC 分析方法，因其简单易行。然而，滑动窗口方法包含一些假设，即通常采用单个窗口捕获特定频率范围内的动力学。在本研究中，我们提出了一种通过多维随机卷积（RandCon）DFC 方法来实现动态捕获的方法，该方法能够在无需学习卷积核权重的情况下，通过提取多个随机卷积核从 fMRI 时间序列中提取不同的局部特征，从而有效地捕获任意时间尺度上的时间变化 DFC。与标准滑动窗口方法相比，乘法时间导数（MTD）和相位同步方法相比，RandCon 以最小卷积核大小（3 个时间点）在不同噪声水平下表现出显著的性能提升，尤其在非常小的窗口/卷积核大小下的 DFC 时间和空间估计方面。来自真实 fMRI 数据的结果表明，RandCon 在检测性别差异方面优于竞争方法。 Furthermore, 我们展示了滑动窗口方法可被视为所提出的多维卷积框架的特例。该方法简单且高效，显著拓宽了动态功能连接研究的范围，具有理论和实际潜力。
引用
@article{arxiv.2406.16619,
title = {Generalized Dynamic Brain Functional Connectivity Based on Random Convolutions},
author = {Yongjie Duan and Vince D. Calhoun and Zhiying Long},
journal= {arXiv preprint arXiv:2406.16619},
year = {2024}
}