fMRI 数据集的低维嵌入
机器学习
2008-01-16 v2 神经元与认知
应用统计
摘要
我们提出了一种将功能性磁共振成像 (fMRI) 数据集嵌入低维空间的新方法。该嵌入最优地保留了 fMRI 时间序列之间的局部功能耦合，并为检测激活体素提供了低维坐标系。为了计算嵌入，我们构建了功能连接体素的图。我们使用通勤时间（而非测地距离）来测量图上的功能距离。由于通勤时间可以直接从（对称版本的）图概率转移矩阵的特征向量计算得出，我们利用这些特征向量将数据集嵌入低维空间。在对低维空间中的数据集进行聚类后，出现了易于解释的连贯结构。我们使用合成数据集和体内数据集，通过与线性和非线性技术的比较，对我们的方法进行了广泛评估。我们分析了 EBC 竞赛中获得的数据集，这些数据集是在受试者与城市虚拟现实环境互动时收集的。我们的探索性方法能够独立检测视觉区 (V1/V2, V5/MT)、听觉区和语言区。我们的方法可用于分析在“自然刺激”期间收集的 fMRI 数据。
引用
@article{arxiv.0709.3121,
title = {Low Dimensional Embedding of fMRI datasets},
author = {Xilin Shen and François G. Meyer},
journal= {arXiv preprint arXiv:0709.3121},
year = {2008}
}
评论
16 pages, 21 figures, submitted to Neuroimage, revised (Jan. 2008)