基于张量的 EEG 与 fMRI 融合以理解精神分裂症的神经变化
应用统计
2020-12-23 v1 神经元与认知
机器学习
摘要
功能磁共振成像（fMRI）和脑电图（EEG）等神经影像模态以互补的时空分辨率提供神经功能信息；因此，融合这些模态有望更好地理解大脑活动。本文联合分析了在听觉 oddball 任务中采集的 fMRI 和多通道 EEG 信号，旨在捕捉精神分裂症患者与健康对照之间存在差异的大脑活动模式。我们没有选择单个电极或将可自然用于表示多通道 EEG 信号的三阶张量矩阵化，而是保留了 EEG 数据的多路结构，并使用耦合矩阵张量分解（CMTF）模型来联合分析 fMRI 和 EEG 信号。我们的分析揭示：(i) 使用 CMTF 模型联合分析 EEG 和 fMRI 能够捕捉到在患者和对照中表现不同的模式的有意义的时间和空间特征；(ii) 通过纳入来自额叶、运动区和顶叶区域的多个电极，这些差异及相关成分的可解释性得以增强，但并非必须纳入所有电极。
引用
@article{arxiv.1612.02189,
title = {Tensor-Based Fusion of EEG and FMRI to Understand Neurological Changes in Schizophrenia},
author = {Evrim Acar and Yuri Levin-Schwartz and Vince D. Calhoun and Tülay Adalı},
journal= {arXiv preprint arXiv:1612.02189},
year = {2020}
}