基于矩阵Rényi熵的人脑高阶组织结构
神经元与认知
2023-08-04 v2 信息论
math.IT
统计理论
统计理论
摘要
成对度量常用于估计脑区之间的统计依赖关系，然而它们无法捕捉高阶信息交互。为了更好地理解人脑中的信息处理，探索超越成对脑区的高阶交互至关重要。为解决这一问题，我们应用多元互信息，具体而言，应用全相关（Total Correlation）与对偶全相关（Dual Total Correlation）来揭示脑中的高阶信息。本文中，我们使用基于矩阵的Rényi熵来估计这些度量，其提供了一种直接且易于解释的方法，且不受关于多元时间序列概率分布函数的直接假设的限制。我们将这些度量应用于静息态fMRI数据，以考察脑中的高阶交互。我们的结果表明，所捕捉的高阶信息交互随交互阶数增加而逐渐增多。此外，我们观察到全相关与对偶全相关之间的相关性随交互阶数增加逐渐增强。另外，对偶全相关值相对于全相关值的显著性也表明，人脑在静息态下表现出协同主导性。
引用
@article{arxiv.2303.11994,
title = {Higher-order Organization in the Human Brain from Matrix-Based R\'enyi's Entropy},
author = {Qiang Li and Shujian Yu and Kristoffer H Madsen and Vince D Calhoun and Armin Iraji},
journal= {arXiv preprint arXiv:2303.11994},
year = {2023}
}
备注
5 pages, 3 figures; Accepted to Data Science and Learning Workshop: Unraveling the Brain. A satellite workshop of ICASSP 2023