基于多维持续同调的 PET 与 MRI 集成多模态网络方法
定量方法
2016-02-26 v2
摘要
以连贯的方式发现多种成像模态之间的潜在关系是多模态分析中的挑战性难题之一。在本研究中，我们提出了一种基于多维持续同调 (persistent homology) 的新型多模态网络方法。作为先前无阈值持续同调方法的扩展，我们通过不仅改变阈值，还改变两种不同成像模态之间的混合比例，来可视化和区分集成脑网络的拓扑变化。此外，我们还提出了一种称为一维投影的多模态网络集成方法，该方法采用模态间特定的混合比例。我们将所提出的方法应用于 21 名自闭症谱系障碍 (ASD) 儿童和 10 名儿科对照受试者的 PET 和 MRI 数据。结果表明，ASD 儿童与对照组的脑网络存在显著差异，ASD 表现出 PET 和 MRI 之间连接结构的不对称变化。集成的 MRI 和 PET 网络显示，与对照组相比，ASD 儿童在视觉皮层内、颞极背侧与腹侧部分之间、额叶与顶叶区域之间，以及左侧外侧裂周围与其他脑区之间的连接较弱。这些结果提供了对疾病相关 PET 和 MRI 网络的多维同调理解，揭示了与 ASD 相关的网络关联。
引用
@article{arxiv.1410.4620,
title = {Integrated multimodal network approach to PET and MRI based on multidimensional persistent homology},
author = {Hyekyoung Lee and Hyejin Kang and Moo K. Chung and Seonhee Lim and Bung-Nyun Kim and Dong Soo Lee},
journal= {arXiv preprint arXiv:1410.4620},
year = {2016}
}