迈向多被试神经连接分析
统计方法学
2014-11-17 v2
摘要
有向无环图（DAG）及相关概率模型被广泛用于建模神经连接和通信通道。在许多实验中，数据来自多个被试，其连接性可能不同，但很可能共享许多特征。在这种情况下，利用被试之间的相似性来提高统计效率是自然的。Oates等人（2014）最近提出了首个用于估计多个相关DAG的精确算法；在本信中，我们给出了示例并讨论了该方法应用于多被试实验fMRI数据时的意义。调优参数的选取需要谨慎，我们说明了如何基于技术重复数据回顾性地进行这一过程。除了联合学习被试特定的连接性外，我们还允许被试的异质性集合，并同时估计被试之间的关系。本信旨在强调在多被试设置中进行精确估计的潜力。
引用
@article{arxiv.1404.1239,
title = {Towards a Multi-Subject Analysis of Neural Connectivity},
author = {Chris J. Oates and Lilia Carneiro da Costa and Tom Nichols},
journal= {arXiv preprint arXiv:1404.1239},
year = {2014}
}
备注
to appear in Neural Computation 27:1-20