基于 fMRI 数据的多差异网络联合学习用于脑连接改变检测
统计方法学
2021-06-08 v1
摘要
在本研究中，我们关注于利用来自多个研究中心的功能磁共振成像（fMRI）数据对多个差异网络进行联合学习的问题。由于各研究中心可能使用不同的扫描仪和成像参数，联合学习来自不同中心的 fMRI 数据的差异网络可以在捕捉共同结构的同时，从不同角度反映神经系统疾病的潜在机制。我们将该任务转化为一个带惩罚的逻辑回归问题，并利用稀疏组极小极大凹惩罚（gMCP）来诱导多个差异网络之间的共同结构以及每个差异网络的稀疏结构。为了进一步提升经验性能，我们开发了一种集成学习过程。我们进行了充分的模拟研究以评估所提方法的有限样本性能，并与最先进的替代方法进行比较。我们将所提方法应用于分析来自各个研究中心的与注意缺陷多动障碍相关的 fMRI 数据集。所识别出的共同枢纽节点和差异交互模式与已有的实验研究一致。
引用
@article{arxiv.2106.03334,
title = {Joint Learning of Multiple Differential Networks with fMRI data for Brain Connectivity Alteration Detection},
author = {Hao Chen and Ying Guo and Yong He and Dong Liu and Lei Liu and Xiao-Hua Zhou},
journal= {arXiv preprint arXiv:2106.03334},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2005.08457 by other authors