論文の概要: Augmenting interictal mapping with neurovascular coupling biomarkers by
structured factorization of epileptic EEG and fMRI data
- arxiv url: http://arxiv.org/abs/2004.14185v1
- Date: Wed, 29 Apr 2020 13:27:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 14:46:52.462980
- Title: Augmenting interictal mapping with neurovascular coupling biomarkers by
structured factorization of epileptic EEG and fMRI data
- Title(参考訳): てんかん性脳波およびfmriデータの構造化因子化による神経血管結合バイオマーカーによるインターイクタルマッピングの増強
- Authors: Simon Van Eyndhoven, Patrick Dupont, Simon Tousseyn, Nico Vervliet,
Wim Van Paesschen, Sabine Van Huffel, Borb\'ala Hunyadi
- Abstract要約: 脳波-fMRI解析のための新しい構造マトリックス・テンソル分解法を開発した。
抽出したソースシグネチャは、イクタルオンセットゾーンの感度な局所化を提供することを示す。
また,血行動態の空間的変動から相補的局所化情報を導出できることが示唆された。
- 参考スコア(独自算出の注目度): 3.2268407474728957
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: EEG-correlated fMRI analysis is widely used to detect regional blood oxygen
level dependent fluctuations that are significantly synchronized to interictal
epileptic discharges, which can provide evidence for localizing the ictal onset
zone. However, such an asymmetrical, mass-univariate approach cannot capture
the inherent, higher order structure in the EEG data, nor multivariate
relations in the fMRI data, and it is nontrivial to accurately handle varying
neurovascular coupling over patients and brain regions. We aim to overcome
these drawbacks in a data-driven manner by means of a novel structured
matrix-tensor factorization: the single-subject EEG data (represented as a
third-order spectrogram tensor) and fMRI data (represented as a spatiotemporal
BOLD signal matrix) are jointly decomposed into a superposition of several
sources, characterized by space-time-frequency profiles. In the shared temporal
mode, Toeplitz-structured factors account for a spatially specific,
neurovascular `bridge' between the EEG and fMRI temporal fluctuations,
capturing the hemodynamic response's variability over brain regions. We show
that the extracted source signatures provide a sensitive localization of the
ictal onset zone, and, moreover, that complementary localizing information can
be derived from the spatial variation of the hemodynamic response. Hence, this
multivariate, multimodal factorization provides two useful sets of EEG-fMRI
biomarkers, which can inform the presurgical evaluation of epilepsy. We make
all code required to perform the computations available.
- Abstract(参考訳): eeg-correlated fmri分析は、ictalの発症部位の局在を示す証拠となる、ictal epileptic dischargesと著しく同期する局所血中酸素濃度依存性の変動を検出するために広く用いられている。
しかし、このような非対称で大量不活性化的なアプローチでは、脳波データに内在する高次構造や、fmriデータにおける多変量関係は捉えられず、患者と脳領域の様々な神経血管結合を正確に扱うことは非自明である。
我々は,新しい構造的行列-テンソル因子分解法を用いて,これらの欠点を克服することを目的としている。 単一サブジェクトeegデータ(3次スペクトログラムテンソルとして表される)とfmriデータ(時空間的大胆な信号行列として表される)は,時空周波数プロファイルを特徴とする複数のソースの重ね合わせに分解される。
時間的共有モードでは、Toeplitz構造化因子は脳波とfMRIの時間的変動の間の空間的に特異的な神経血管の「ブリッジ」を説明でき、脳領域における血行動態の変動を捉える。
抽出されたソースシグネチャは、ictal発症ゾーンの感度の高い局在を提供し、さらに血行動態応答の空間的変動から補完的な局所化情報を導出できることを示す。
したがって、この多変量多変量分解は脳波-fMRIバイオマーカーの2つの有用なセットを提供する。
計算の実行に必要なすべてのコードを利用可能にします。
関連論文リスト
- Multimodal Physiological Signals Representation Learning via Multiscale Contrasting for Depression Recognition [18.65975882665568]
機能近赤外分光法(NIRS)や脳波法(EEG)などの生理的信号に基づく抑うつは大きな進歩を遂げている。
本稿では,抑うつ認識のためのマルチスケールコントラストを用いたアーキテクチャを用いたマルチモーダル生理学的信号表現学習フレームワークを提案する。
刺激タスクに関連する意味表現の学習を強化するために,意味コントラストモジュールを提案する。
論文 参考訳(メタデータ) (2024-06-22T09:28:02Z) - Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。
次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。
このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文 参考訳(メタデータ) (2024-05-21T20:37:07Z) - A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。
ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
論文 参考訳(メタデータ) (2024-05-13T17:49:20Z) - DiffGAN-F2S: Symmetric and Efficient Denoising Diffusion GANs for
Structural Connectivity Prediction from Brain fMRI [15.40111168345568]
構造接続(SC)と機能的磁気共鳴イメージング(fMRI)の信頼性非直線マッピング関係を橋渡しすることは困難である
脳のfMRIからエンド・ツー・エンド・エンドの方法でSCを予測するために,新しい拡散生成逆ネットワークを用いたfMRI-to-SCモデルを提案する。
論文 参考訳(メタデータ) (2023-09-28T06:55:50Z) - Inferring latent neural sources via deep transcoding of simultaneously
acquired EEG and fMRI [12.588880677192975]
同時脳波-fMRIは、相補的な空間分解能と時間分解能を提供する神経イメージング技術である。
脳波をfMRIに変換する環状畳み込みトランスコーダからなる対称的手法を開発した。
シミュレーションデータと実脳波-fMRIデータの両方に対して、モーダルがいかにうまく変換できるかを定量化する。
論文 参考訳(メタデータ) (2022-11-27T23:44:16Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳(メタデータ) (2022-10-23T15:11:37Z) - Spatio-temporally separable non-linear latent factor learning: an
application to somatomotor cortex fMRI data [0.0]
潜在因子の脳全体の発見が可能なfMRIデータのモデルについて検討する。
空間重み付けを効率化するための新しい手法は、データの高次元性とノイズの存在に対処するために重要である。
本手法は,複数のモーターサブタスクを用いたデータを用いて,モデルが各サブタスクに対応する非絡み合った潜在因子を捕捉するかどうかを評価する。
論文 参考訳(メタデータ) (2022-05-26T21:30:22Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳(メタデータ) (2021-01-27T19:28:04Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳(メタデータ) (2020-09-29T21:17:16Z) - Lesion Mask-based Simultaneous Synthesis of Anatomic and MolecularMR
Images using a GAN [59.60954255038335]
提案するフレームワークは,ストレッチアウトアップサンプリングモジュール,ブレインアトラスエンコーダ,セグメンテーション一貫性モジュール,マルチスケールラベルワイド識別器から構成される。
実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
論文 参考訳(メタデータ) (2020-06-26T02:50:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。