利用立方持久性揭示时变 fMRI 数据的拓扑结构
神经元与认知
2020-10-23 v2 机器学习
图像与视频处理
代数拓扑
机器学习
摘要
功能磁共振成像（fMRI）是深入了解人类认知过程的关键技术。从 fMRI 测量中收集的数据会产生随时间变化的体积数据集。然而，由于数据中存在大量噪声以及信息在大脑中的表征方式存在个体差异，分析此类数据面临挑战。为了应对这一挑战，我们提出了一种新颖的拓扑方法，将 fMRI 数据集中的每个时间点编码为拓扑特征的持久性图，即数据中存在的高维空洞。这种表征方式自然不依赖于逐体素对应，并且对噪声具有鲁棒性。我们表明，这些时变持久性图可以被聚类，以在参与者之间找到有意义的群体划分，并且它们也可用于研究执行特定任务的受试者的个体内脑状态轨迹。在此，我们将聚类和轨迹分析技术应用于一组观看电影《Partly Cloudy》的参与者。我们观察到，观看同一部电影的成人和儿童在脑状态轨迹和整体拓扑活动方面均存在显著差异。
引用
@article{arxiv.2006.07882,
title = {Uncovering the Topology of Time-Varying fMRI Data using Cubical Persistence},
author = {Bastian Rieck and Tristan Yates and Christian Bock and Karsten Borgwardt and Guy Wolf and Nicholas Turk-Browne and Smita Krishnaswamy},
journal= {arXiv preprint arXiv:2006.07882},
year = {2020}
}
备注
Accepted at the Conference on Neural Information Processing Systems (NeurIPS) 2020; camera-ready version