面向 fMRI 数据的神经地形因子分析
机器学习
2020-11-23 v4 图像与视频处理
机器学习
摘要
神经影像研究为少量参与者和刺激生成千兆字节的时空数据。研究人员很少尝试建模和考察个体参与者之间的差异——在具备合适统计工具的情况下,即便在小样本中这也应是可解决的问题。我们提出神经地形因子分析(NTFA),一种推断参与者和刺激嵌入的概率因子分析模型。这些嵌入使我们能够将参与者和刺激之间的差异视为信号而非噪声。我们在一项内部试点实验的数据以及两个公开可用数据集上评估了 NTFA。我们证明,与先前的地形方法相比,推断参与者和刺激的表示改善了对未见过数据的预测泛化能力。我们还证明推断的潜在因子表示对多体素模式分析和功能连接等下游任务有用。
引用
@article{arxiv.1906.08901,
title = {Neural Topographic Factor Analysis for fMRI Data},
author = {Eli Sennesh and Zulqarnain Khan and Yiyu Wang and Jennifer Dy and Ajay B. Satpute and J. Benjamin Hutchinson and Jan-Willem van de Meent},
journal= {arXiv preprint arXiv:1906.08901},
year = {2020}
}
备注
15 pages, 9 figures, associated source code available at https://github.com/neu-spiral/HTFATorch