用于神经影像的 Riccati 正则化精度矩阵
统计方法学
2016-12-19 v1 最优化与控制
神经元与认知
摘要
图论在神经影像中的引入为大脑连接性的研究提供了极其宝贵的工具。这些方法需要定义一个图，通常通过优化一个不适定反问题来估计大脑区域间的有效连接性从而导出该图。大量努力已致力于开发提取稀疏连接图的方法。本文旨在强调一种替代方法的益处。我们研究了最近以 Riccati 正则化精度矩阵之名引入的低秩 L2 正则化矩阵。我们展示了它们在分析皮层厚度图以及从静息态 fMRI 扫描中提取功能生物标志物方面的益处。此外，我们解释了如何通过随机投影进一步提高速度和结果质量。使用 Human Connectome Project 数据集获得的充满希望的结果以及众多可能的扩展和应用表明，Riccati 精度矩阵可能有效地补充当前的稀疏方法。
引用
@article{arxiv.1612.03428,
title = {Riccati-regularized Precision Matrices for Neuroimaging},
author = {Nicolas Honnorat and Christos Davatzikos},
journal= {arXiv preprint arXiv:1612.03428},
year = {2016}
}