基于 Wasserstein 距离颞叶癫痫脑网络统一拓扑推断
神经元与认知
2023-09-21 v3
摘要
持续同调为从脑网络中提取隐藏拓扑信号提供了有力工具。它捕捉拓扑结构跨多尺度（称为过滤）的演化，从而揭示在这些尺度上持续的拓扑特征。这些特征被总结于持续图中，其相异度由 Wasserstein 距离量化。然而，Wasserstein 距离不服从已知分布，给现有参数统计模型的应用带来挑战。为解决此问题，我们引入以 Wasserstein 距离为核心的统一拓扑推断框架。我们的方法无显式模型与分布假设，推断以完全数据驱动方式进行。我们将该方法应用于来自两个不同站点收集的颞叶癫痫患者静息态功能磁共振图像（rs-fMRI）：威斯康星大学麦迪逊分校与威斯康星医学院。重要的是，我们的拓扑方法对性别与图像采集引起的变异具有鲁棒性，无需将这些变量作为混杂协变量处理。我们成功定位了对拓扑差异贡献最大的脑区。本研究所有分析所用的 MATLAB 包见 https://github.com/laplcebeltrami/PH-STAT。
引用
@article{arxiv.2302.06673,
title = {Unified Topological Inference for Brain Networks in Temporal Lobe Epilepsy Using the Wasserstein Distance},
author = {Moo K. Chung and Camille Garcia Ramos and Felipe Branco De Paiva and Jedidiah Mathis and Vivek Prabharakaren and Veena A. Nair and Elizabeth Meyerand and Bruce P. Hermann and Jeffrey R. Binder and Aaron F. Struck},
journal= {arXiv preprint arXiv:2302.06673},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2201.00087