自然态 fMRI 中动态功能连接的刺激诱导与背景成分分离

我们考量在自然主义功能磁共振成像（fMRI）中从其他内在过程和噪声里提取刺激相关神经动态的挑战。多数研究依赖于低层次区域活动的主体间相关性（ISC）并忽略个体的差异化响应。我们提出一种新颖的数据驱动方法，基于低秩加稀疏（L+S）分解，通过利用接受相同自然刺激的主体间共享的网络结构，将脑功能连接（FC）中刺激驱动的动态变化与背景噪声分离。时间分辨的多主体 FC 矩阵被建模为一个跨主体相关的 FC 模式的低秩分量，以及一个主体特异的、特发性的背景活动的稀疏分量之和。为恢复共享低秩子空间，我们引入融合版的主成分追踪（PCP），通过对低秩矩阵各行之间的差异添加融合型惩罚实现。该方法改进了 FC 轮廓中刺激诱导的组水平同质性的检测，同时捕捉主体间变异性。我们开发了一种通过线性化交替方向乘子法的高效算法来求解融合-PCP。仿真表明，即使当很大一部分 FC 边被严重破坏时，融合-PCP 也能准确恢复。应用于自然 fMRI 数据时，我们的方法揭示了在观影过程中与听觉处理时间锁定的 FC 变化，以及感觉运动系统在噪声语音中的动态参与。与 ISC 相比，它还对电影中的听觉内容提供了更好的映射。