用于脑连接的流形学习
神经元与认知
2020-05-04 v1 应用统计
摘要
人脑连接组研究旨在提取并分析与感兴趣病症相关的特征。通常这包含将脑连接组建模为图并使用图度量作为特征。精细的脑描述需要在节点层面计算图度量。鉴于标准队列中患者数量相对较少，此类数据分析问题属于高维小样本框架。在此背景下，我们的目标是提供一种机器学习技术，它具备灵活性，使研究者能把握特征与协变量，允许可视化与探索，并对相关数据及涉及的生物现象提供洞见。所采用的方法是在流形学习范式下的降维，其新颖之处在于由研究者选择一个或多个降维变量。所提出的方法在两个研究中得到说明，第一个针对昏迷患者，第二个针对年轻与老年人群的对比。该方法揭示了图度量与潜在的神经生物学现象。
引用
@article{arxiv.2005.00469,
title = {Manifold learning for brain connectivity},
author = {Félix Renard and Christian Heinrich and Marine Bouthillon and Maleka Schenck and Francis Schneider and Stéphane Kremer and Sophie Achard},
journal= {arXiv preprint arXiv:2005.00469},
year = {2020}
}
备注
submitted