基于持续同调的脑结构连接树表示
统计方法学
2022-11-03 v1 应用统计
摘要
脑结构连接组由扩散加权MRI（dMRI）构建的一束束白质纤维生成，充当神经活动的通道。研究结构连接组如何跨个体随其特质（从年龄、性别到神经精神结局）变化已引起广泛兴趣。在对dMRI应用纤维追踪获得白质纤维束后，关键问题是如何表示脑连接组以促进将连接组与特质关联起来的统计分析。当前标准将脑划分为感兴趣区（ROIs），然后依赖邻接矩阵（AM）表示。AM中每个单元是一对ROIs之间连接性的度量，例如纤维曲线数量。尽管AM表示直观，其缺点是由于矩阵中大量单元导致的高维数。本文提出一种更简洁的脑连接组树表示，其受计算拓扑学思想启发，并考虑皮质表面的拓扑与生物学信息。我们证明我们的树表示保留了有用信息与可解释性，同时降低维数以提高统计与计算效率。考虑了对人类连接组计划（HCP）数据的应用，并提供了用于复现我们分析的代码。
引用
@article{arxiv.2211.00706,
title = {Tree Representations of Brain Structural Connectivity via Persistent Homology},
author = {Didong Li and Phuc Nguyen and Zhengwu Zhang and David B Dunson},
journal= {arXiv preprint arXiv:2211.00706},
year = {2022}
}