HRF 估计提高了 fMRI 编码和解码模型的灵敏度
机器学习
2013-05-14 v1 应用统计
摘要
由于血氧水平依赖 (BOLD) 信号的固有延迟，在快速事件设计的功能性磁共振成像 (fMRI) 数据集中提取激活模式仍然具有挑战性。一般线性模型 (GLM) 允许通过设计矩阵和固定的血流动力学响应函数 (HRF) 来估计激活。然而，已知 HRF 在不同受试者和脑区之间存在显著差异。在本文中，我们提出了一种通过任务效应的低秩表示来联合估计血流动力学响应函数 (HRF) 和激活模式的模型。该模型基于 GLM 背后的线性假设，并可使用标准的基于梯度的求解器进行计算。我们将由该模型计算出的激活模式用作编码和解码研究的输入数据，并报告了在这两种设置下的性能提升。
引用
@article{arxiv.1305.2788,
title = {HRF estimation improves sensitivity of fMRI encoding and decoding models},
author = {Fabian Pedregosa and Michael Eickenberg and Bertrand Thirion and Alexandre Gramfort},
journal= {arXiv preprint arXiv:1305.2788},
year = {2013}
}
备注
3nd International Workshop on Pattern Recognition in NeuroImaging (2013)