論文の概要: Evaluating phase synchronization methods in fMRI: a comparison study and
new approaches
- arxiv url: http://arxiv.org/abs/2009.10126v1
- Date: Mon, 21 Sep 2020 18:38:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-16 05:51:03.389241
- Title: Evaluating phase synchronization methods in fMRI: a comparison study and
new approaches
- Title(参考訳): fMRIにおける位相同期法の評価 : 比較研究と新しいアプローチ
- Authors: Hamed Honari (1), Ann S. Choe (2 and 3 and 4), Martin A. Lindquist (5)
((1) Department of Electrical and Computer Engineering, Johns Hopkins
University, USA (2) F. M. Kirby Research Center for Functional Brain Imaging,
Kennedy Krieger Institute, USA (3) International Center for Spinal Cord
Injury, Kennedy Krieger Institute, USA (4) Russell H. Morgan Department of
Radiology and Radiological Science, Johns Hopkins School of Medicine, USA (5)
Department of Biostatistics, Johns Hopkins University, USA)
- Abstract要約: 異なる脳領域の信号間の関係を評価する一つの方法は、その位相同期(PS)を時間にわたって測定することである。
IPSは、時間分解fMRI接続の単一タイムポイント解像度を提供するため、最近人気を博している。
相対位相(CRP)のコサインを表すIPSフレームワークに新しいアプローチを導入する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years there has been growing interest in measuring time-varying
functional connectivity between different brain regions using resting-state
functional magnetic resonance imaging (rs-fMRI) data. One way to assess the
relationship between signals from different brain regions is to measure their
phase synchronization (PS) across time. There are several ways to perform such
analyses, and here we compare methods that utilize a PS metric together with a
sliding window, referred to here as windowed phase synchronization (WPS), with
those that directly measure the instantaneous phase synchronization (IPS). In
particular, IPS has recently gained popularity as it offers single time-point
resolution of time-resolved fMRI connectivity. In this paper, we discuss the
underlying assumptions required for performing PS analyses and emphasize the
necessity of band-pass filtering the data to obtain valid results. We review
various methods for evaluating PS and introduce a new approach within the IPS
framework denoted the cosine of the relative phase (CRP). We contrast methods
through a series of simulations and application to rs-fMRI data. Our results
indicate that CRP outperforms other tested methods and overcomes issues related
to undetected temporal transitions from positive to negative associations
common in IPS analysis. Further, in contrast to phase coherence, CRP unfolds
the distribution of PS measures, which benefits subsequent clustering of PS
matrices into recurring brain states.
- Abstract(参考訳): 近年、安静時機能磁気共鳴画像(rs-fmri)データを用いた、異なる脳領域間の時間変動機能接続の測定に関心が高まっている。
異なる脳領域の信号間の関係を評価する一つの方法は、その位相同期(PS)を時間にわたって測定することである。
このような分析を行う方法はいくつかあり、ここでは、PSメトリックとスライドウィンドウを併用して、窓位相同期(WPS)と呼ばれる手法と、瞬時位相同期(IPS)を直接測定する方法を比較する。
特にIPSは、時間分解fMRI接続の単一タイムポイント解像度を提供するため、最近人気を集めている。
本稿では,PS分析に必要な前提条件について議論し,有効な結果を得るためにバンドパスフィルタの必要性を強調する。
我々はPSを評価するための様々な手法をレビューし、相対位相(CRP)のコサインを表すIPSフレームワークに新しいアプローチを導入する。
我々は一連のシミュレーションを通して手法を対比し、rs-fMRIデータに適用する。
以上の結果から, CRPは他の試験方法よりも優れており, IPS解析に共通する正~負の関連性から未検出の時間的遷移に関連する問題を克服していることが示された。
さらに、位相コヒーレンスとは対照的に、CRPはPS尺度の分布を拡大し、PS行列の連続した脳状態へのクラスタリングを促進する。
関連論文リスト
- MVICAD2: Multi-View Independent Component Analysis with Delays and Dilations [61.59658203704757]
本稿では,時間的遅延と拡張の両面において,被験者間でソースを異にするMVICAD(Multi-View Independent Component Analysis with Delays and Dilations)を提案する。
本稿では, 正則化と最適化手法を用いて, 性能向上を図るため, 正則化と最適化手法を用いて, その可能性の近似を導出する。
論文 参考訳(メタデータ) (2025-01-13T15:47:02Z) - Near-Optimal Learning and Planning in Separated Latent MDPs [70.88315649628251]
我々は、潜在マルコフ決定過程(LMDP)の計算的および統計的側面について研究する。
このモデルでは、学習者は、未知のMDPの混合から各エポックの開始時に描画されたMDPと相互作用する。
論文 参考訳(メタデータ) (2024-06-12T06:41:47Z) - 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) - Correlation-Distance Graph Learning for Treatment Response Prediction
from rs-fMRI [8.734687343991366]
相関と距離に基づく類似度を対照的な損失の下で統合することにより,包括的特徴を捉えるグラフ学習フレームワークを提案する。
慢性の痛みと脱人格化障害データセットに関する実験により,提案手法は様々なシナリオにおいて,現在の方法よりも優れていることが示された。
論文 参考訳(メタデータ) (2023-11-17T11:34:01Z) - Learning Beyond Similarities: Incorporating Dissimilarities between
Positive Pairs in Self-Supervised Time Series Learning [4.2807943283312095]
本稿では,正の対間の相似性を統合することで,単なる類似性を超越するSSLアプローチの先駆者となる。
本フレームワークは心電図(ECG)信号に適用され,心房細動(AFib)の検出精度が,多彩な被験者に+10%向上した。
論文 参考訳(メタデータ) (2023-09-14T08:49:35Z) - Mode decomposition-based time-varying phase synchronization for fMRI
Data [0.0]
異なる脳領域の信号間の関係を評価する一つの方法は、その位相同期(PS)を時間にわたって測定することである。
このためには、解析に必要な帯域通過フィルタのタイプとカットオフの周波数を選択する必要がある。
ここでは、この問題を回避するための様々なモード分解(MD)技術を用いた代替手法について検討する。
論文 参考訳(メタデータ) (2022-03-26T01:04:28Z) - Complex-valued Federated Learning with Differential Privacy and MRI Applications [51.34714485616763]
複雑な値を持つガウスのメカニズムを導入し、その振る舞いは$f$-DP、$(varepsilon, delta)$-DP、R'enyi-DPで特徴づけられる。
本稿では,DPと互換性のある複雑なニューラルネットワークプリミティブを提案する。
実験では,実世界の課題に対して,DPを用いた複合数値ニューラルネットワークを訓練することで概念実証を行う。
論文 参考訳(メタデータ) (2021-10-07T14:03:00Z) - Temporal EigenPAC for dyslexia diagnosis [0.0]
交叉周波数結合(cfc)法は脳波から情報を抽出する方法を提供する。
CFC法は通常局所的に適用され、同じ電極における位相と振幅の相互作用を計算する。
本研究では, 電極間のPAC特性を計算し, 機能的接続性について検討する。
論文 参考訳(メタデータ) (2021-04-13T07:51:07Z) - Separating Stimulus-Induced and Background Components of Dynamic
Functional Connectivity in Naturalistic fMRI [13.112514419777593]
背景雑音から脳機能的接続性(FC)の刺激駆動動的変化を分離するための新しいデータ駆動アプローチを提案する。
共有低ランク部分空間を復元するために,低ランク行列の行間の差に対する融合型ペナルティを導入する。
融合PCPを解くために,乗算器の線形化交互方向法による効率的なアルゴリズムを開発した。
論文 参考訳(メタデータ) (2021-01-24T11:35:39Z) - Towards Interaction Detection Using Topological Analysis on Neural
Networks [55.74562391439507]
ニューラルネットワークでは、あらゆる相互作用する特徴は共通の隠蔽ユニットとの強い重み付けの接続に従う必要がある。
本稿では, 永続的ホモロジーの理論に基づいて, 相互作用強度を定量化するための新しい尺度を提案する。
PID(Persistence Interaction Detection)アルゴリズムを開発した。
論文 参考訳(メタデータ) (2020-10-25T02:15:24Z) - Supporting Optimal Phase Space Reconstructions Using Neural Network
Architecture for Time Series Modeling [68.8204255655161]
位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。
私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
論文 参考訳(メタデータ) (2020-06-19T21:04:47Z)
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。