论动态功能脑连接时间序列的方差稳定化

基于fMRI数据的动态功能脑连接(dFC)评估是一种日益流行的研究大脑大规模网络架构时间动态的策略。当前在随时间推导连接性估计时的做法是使用Fisher变换，旨在稳定围绕变化真实相关值波动的相关值的方差。然而，当假定真实相关在波动时，Fisher变换对每个连接时间序列的信号方差稳定效果如何尚不清楚。这一点很重要，因为许多后续分析在时间序列具有稳定方差或近似服从高斯分布时要么假设要么表现更好。在本文中，使用模拟和静息态fMRI数据分析，我们分析了应用不同方差稳定策略对连接时间序列的影响。我们在此重点研究Fisher变换、Box-Cox变换以及结合两种变换的方法。我们的结果表明，如果稳定方差的意图是使用那些需要稳定方差或高斯分布的时间序列度量（例如聚类），Fisher变换并非最优，甚至可能使连接时间序列偏离高斯分布。此外，我们显示通过在dFC时间序列进行Fisher变换后加入额外的Box-Cox变换，可以大幅改善Fisher变换的次优表现。