利用似然自由推断反演脑灰质模型：一种可信细胞构筑测量工具
定量方法
2022-05-05 v2 机器学习
摘要
对脑灰质细胞构筑进行有效表征，并在体素密度与体积上具备定量敏感性，仍是扩散 MRI（dMRI）中未解决的挑战。解决将 dMRI 信号与细胞构筑特征关联的问题，需要定义一个通过少量生理相关参数描述脑组织的数学模型，以及一种反演该模型的算法。为此，我们提出一个新的前向模型，具体为一新方程组，仅需少量相对稀疏的 b-shell。随后我们应用贝叶斯分析中称为似然自由推断（LFI）的现代工具来反演所提模型。与文献中其他方法不同，我们的算法不仅给出最佳描述给定观测数据点 的参数向量 的估计，还给出参数空间上的完整后验分布 。这使得模型反演的描述更为丰富，可提供诸如估计参数的可信区间以及模型可能出现不确定性的参数区域完整刻画等指标。我们使用称为归一化流（normalizing flows）的深度神经密度估计器近似后验分布，并利用前向模型的一组重复模拟对其进行拟合。我们在 dmipy 模拟上验证该方法，并将整个流程应用于两个公开数据集。
引用
@article{arxiv.2111.08693,
title = {Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements},
author = {Maëliss Jallais and Pedro Luiz Coelho Rodrigues and Alexandre Gramfort and Demian Wassermann},
journal= {arXiv preprint arXiv:2111.08693},
year = {2022}
}