生成与分析具有可变节点数的结构脑网络的可扩展算法
计算工程、金融与科学
2016-09-14 v1 神经元与认知
应用统计
摘要
扩散磁共振成像 (MRI) 利用水分子在脑内的各向异性扩散，实现了以相对较高的分辨率估计大脑解剖纤维束。特别地，纤维束示踪方法可用于生成全脑解剖连接矩阵，其中每个元素提供了对应体素间连接强度的估计。结构脑网络利用连接信息与预定义的脑分区构建，其中网络的节点代表脑区，边权重捕捉对应脑区之间的连接强度。本文引入了若干新颖的可扩展方法，用于生成和分析具有可变节点数的结构脑网络。特别地，我们引入了一种新的并行算法，以快速生成基于连接的大尺度分区，使得同一区域内体素对其余区域具有高度相似的连接模式。我们证明，在广泛的分区尺寸范围内，相应的区域结构一致性始终优于随机生成的分区。使用标准图论度量以及源自谱图理论的新度量，对具有可变节点数的相应脑网络进行了分析。我们的结果表明，具有更多节点的脑网络具有越来越高的统计功效，并且大型脑网络的谱分布轮廓相对于其他著名网络具有相对独特的形状。
引用
@article{arxiv.1609.03893,
title = {Scalable Algorithms for Generating and Analyzing Structural Brain Networks with a Varying Number of Nodes},
author = {Yu Jin and Joseph F. JaJa and Rong Chen and Edward H. Herskovits},
journal= {arXiv preprint arXiv:1609.03893},
year = {2016}
}