作为脑网络子模块与网络相异性的调和洞
定量方法
2018-11-13 v1
摘要
持续同调已被应用于脑网络分析，以发现跨多个阈值的脑网络形状。在持续同调中，网络的形状通常由维洞的序列和贝蒂数来量化。在拓扑脑网络分析中，贝蒂数比洞本身使用得更广泛。然而，洞展示了网络的局部连通性，并且它们可以是分析中信息量很大的特征。在本研究中，我们提出一种基于调和洞（HHs）的相异度度量来测量网络差异的新方法。代表脑网络子结构的HHs通过脑网络的霍奇拉普拉斯算子提取。我们还基于HH相异度找到了对网络差异贡献最大的HHs。我们将所提方法应用于4组网络的聚类：正常对照（NC）、稳定与进展性轻度认知障碍（sMCI和pMCI）以及阿尔茨海默病（AD）。结果表明，所提方法的聚类性能优于仅基于拓扑全局变化的网络距离。
引用
@article{arxiv.1811.04355,
title = {Harmonic holes as the submodules of brain network and network dissimilarity},
author = {Hyekyoung Lee and Moo K. Chung and Hongyoon Choi and Hyejin Kang and Seunggyun Ha and Yu Kyeong Kim and Dong Soo Lee},
journal= {arXiv preprint arXiv:1811.04355},
year = {2018}
}
备注
The paper is accepted for publication at the 7th Workshop on Computational Topology in Image Context (CTIC) (http://www.ctic2019.uma.es)