跳到正文
OpenReview · State space models· Qingyu Zhao; Dongjin Kwon; Kilian M. Pohl·· 2018-01-01精选AI 评分78

用于静息态功能连接纵向分析的黎曼几何框架

A Riemannian Framework for Longitudinal Analysis of Resting-State Functional Connectivity

AI 导读

基于摘要分析。本文研究如何刻画同一被试在不同访视之间的静息态 fMRI 功能连接变化,提出以黎曼流形表示功能连接、以测地线回归描述个体纵向轨迹的分析框架;主要研究对象是纵向脑成像数据,而非 BCI 解码。 方法将每名被试每次访视的功能连接模式表示为流形上的一个点,再通过测地线回归拟合该被试的连接变化轨迹。为识别感兴趣区域(ROI)相关的组间差异,作者利用 Lie group action 将所有被试的轨迹映射到共同切空间,并基于 latent p-values 理论构造检验程序,以处理共同切空间选择的不确定性。摘要未明确流形类型、连接估计方式及具体检验实现。 作者报告,在246名被试、每人三次 rs-fMRI 扫描的数据中,该方法识别出了性别差异,并称现有方法未识别出这些差异。摘要未提供具体对照方法、效应量、显著性水平或多重比较处理,因此不能据此判断优势大小或稳健性;实验协议、消融及统计信息尚未验证。 平台推测(待验证):若 EEG 功能连接矩阵满足该框架所需的几何结构,其纵向轨迹建模与切空间不确定性检验可能用于跨会话连接变化分析,而非直接替代解码器。可复用部分是轨迹拟合与组间检验思路,需改造连接估计及通道对齐;低信噪比、通道变化和较少访视可能导致轨迹不稳定。一个可证伪的小实验是在具有重复会话的 EEG 数据上,固定连接估计与统计协议,比较该框架和欧氏轨迹分析的重采样稳定性。已有 EEG 相关工作尚未检索确认。

阅读价值

值得阅读之处在于将纵向功能连接轨迹建模、共同切空间对齐及切空间选择不确定性的统计检验结合起来,但其对 EEG/BCI 的适用性尚未验证。

来源:OpenReview · State space models · openreview.net