基于高斯过程因子分析的时间分辨fMRI共享响应模型
神经元与认知
2020-09-08 v2 机器学习
图像与视频处理
应用统计
机器学习
摘要
由于不同被试间脑解剖结构与功能脑地形图的高度变异性，多被试fMRI研究具有挑战性。聚合多被试fMRI数据的有效方法是提取一种共享表征，以滤除被试间不需要的变异性。近期一些工作已实现概率模型以在任务态fMRI中提取共享表征。在本工作中，我们通过将时间信息纳入公共潜在结构来改进这些模型。我们提出一种新模型——共享高斯过程因子分析(S-GPFA)，其在建模fMRI数据时间相关性的同时，发现共享潜在轨迹与被试特异性功能地形图。我们利用模拟数据证明了该模型在揭示真实潜在结构方面的有效性，并在公开可用的Raider与Sherlock数据集上复现了时间片段匹配与跨被试相似性的实验表现。我们进一步通过在大型多站点SPINS数据集上分析其学到的模型参数来检验模型的实用性，该数据集来自伴或不伴精神分裂症被试的社会认知任务。
引用
@article{arxiv.2006.05572,
title = {Time-Resolved fMRI Shared Response Model using Gaussian Process Factor Analysis},
author = {MohammadReza Ebrahimi and Navona Calarco and Kieran Campbell and Colin Hawco and Aristotle Voineskos and Ashish Khisti},
journal= {arXiv preprint arXiv:2006.05572},
year = {2020}
}