任务fMRI分析中血流动力学的生理高斯过程先验
应用统计
2020-06-01 v3
摘要
背景：从fMRI数据推断面临以下挑战：将神经活动与观察到的BOLD fMRI信号相关联的血流动力学系统未知。新方法：我们提出一种用于任务fMRI数据的新贝叶斯模型，具有以下特征：(i) 脑活动与潜在血流动力学的联合估计，(ii) 血流动力学通过受生理信息引导的高斯过程（GP）先验进行非参数建模，以及(iii) 预测的BOLD不一定由线性时不变（LTI）系统生成。我们直接将GP先验置于预测的BOLD响应上，而不是像先前文献那样置于血流动力学响应函数上。这使我们能够以灵活的方式通过GP先验均值引入生理信息，同时赋予我们GP的非参数灵活性。结果：在模拟数据上的结果表明，即使GP先验偏离真实血流动力学，所提出的模型也能够区分活跃与非活跃体素。我们的模型在应用于真实fMRI数据时发现了时变动态。与现有方法的比较：所提模型在模拟数据中比标准模型更擅长检测活动，且不增加假阳性率。当应用于真实fMRI数据时，我们的GP模型在若干情况下发现了先前提出的LTI模型未发现的脑活动。结论：我们提出了一种用于任务fMRI中血流动力学的新型非线性模型，能够检测活跃体素，并提供了提出与血流动力学相关的新型问题的机会。
引用
@article{arxiv.1708.06152,
title = {Physiological Gaussian Process Priors for the Hemodynamics in fMRI Analysis},
author = {Josef Wilzén and Anders Eklund and Mattias Villani},
journal= {arXiv preprint arXiv:1708.06152},
year = {2020}
}
备注
18 pages, 14 figures