論文の概要: Separating Stimulus-Induced and Background Components of Dynamic
Functional Connectivity in Naturalistic fMRI
- arxiv url: http://arxiv.org/abs/2102.10331v1
- Date: Sun, 24 Jan 2021 11:35:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-16 09:06:47.530169
- Title: Separating Stimulus-Induced and Background Components of Dynamic
Functional Connectivity in Naturalistic fMRI
- Title（参考訳）: 自然主義fMRIにおける動的機能結合の刺激誘起・背景成分の分離
- Authors: Chee-Ming Ting, Jeremy I. Skipper, Steven L. Small, Hernando Ombao
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 13.112514419777593
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We consider the challenges in extracting stimulus-related neural dynamics
from other intrinsic processes and noise in naturalistic functional magnetic
resonance imaging (fMRI). Most studies rely on inter-subject correlations (ISC)
of low-level regional activity and neglect varying responses in individuals. We
propose a novel, data-driven approach based on low-rank plus sparse (L+S)
decomposition to isolate stimulus-driven dynamic changes in brain functional
connectivity (FC) from the background noise, by exploiting shared network
structure among subjects receiving the same naturalistic stimuli. The
time-resolved multi-subject FC matrices are modeled as a sum of a low-rank
component of correlated FC patterns across subjects, and a sparse component of
subject-specific, idiosyncratic background activities. To recover the shared
low-rank subspace, we introduce a fused version of principal component pursuit
(PCP) by adding a fusion-type penalty on the differences between the rows of
the low-rank matrix. The method improves the detection of stimulus-induced
group-level homogeneity in the FC profile while capturing inter-subject
variability. We develop an efficient algorithm via a linearized alternating
direction method of multipliers to solve the fused-PCP. Simulations show
accurate recovery by the fused-PCP even when a large fraction of FC edges are
severely corrupted. When applied to natural fMRI data, our method reveals FC
changes that were time-locked to auditory processing during movie watching,
with dynamic engagement of sensorimotor systems for speech-in-noise. It also
provides a better mapping to auditory content in the movie than ISC.
- Abstract（参考訳）: 自然機能型磁気共鳴画像(fMRI)における他の内在的プロセスから刺激関連神経力学を抽出する際の課題とノイズについて考察する。
ほとんどの研究は、低レベルの地域活動の物質間相関(ISC)に依存し、個人のさまざまな応答を無視する。
本研究では,低ランク+スパース(l+s)分解に基づく新しいデータ駆動アプローチを提案し,同じ自然的刺激を受けた被験者間で共有ネットワーク構造を活用し,脳機能接続(fc)の刺激駆動動的変化を背景雑音から分離する。
時間分解されたマルチサブジェクトFC行列は、対象にまたがる相関FCパターンの低ランク成分と、対象ごとに異なる背景活動のスパース成分の合計としてモデル化される。
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違いに融合型ペナルティを加えることにより,主成分追跡(pcp)の融合バージョンを導入する。
本手法は, 物体間変動を捉えつつ, FCプロファイルにおける刺激誘起群レベルの均一性の検出を改善する。
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。
シミュレーションでは, FCエッジが著しく破損した場合でも, 溶融PCPによる正確な回復が見られた。
自然fmriデータに適用すると,映像視聴中の聴覚処理に時間同期されたfc変化と,音声認識システムの動的関与が明らかにされる。
また、映画内の聴覚コンテンツへのマッピングもiscよりも優れている。
関連論文リスト
- Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳（メタデータ） (2022-09-05T16:38:13Z) - A Robust Backpropagation-Free Framework for Images [64.45011329525778]
本稿では, 局所的に導出した誤り伝達カーネルとエラーマップを用いて, 畳み込みニューラルネットワーク(CNN)を訓練するための生物学的に妥当なアプローチを提案する。
我々は,Fashion MNIST, CIFAR-10, SVHNベンチマーク上で視覚認識タスクを行うことにより, EKDAAの有効性を示す。
また,識別不能なアクティベーション関数を用いて訓練したCNNについて報告する。
論文 参考訳（メタデータ） (2022-06-03T21:14:10Z) - 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) - Learning shared neural manifolds from multi-subject FMRI data [13.093635609349874]
MRMD-AEmaniと呼ばれる,複数の被験者から共通の埋め込みを実験で学習するニューラルネットワークを提案する。
学習した共通空間は、テンポラル多様体(トレーニング中に見えない新しい点をマッピングできる)を表し、目に見えない時間点の刺激特徴の分類を改善する。
このフレームワークは、将来的には脳-コンピュータインタフェース(BCI)トレーニングなど、多くのダウンストリームアプリケーションに応用できると考えています。
論文 参考訳（メタデータ） (2021-12-22T23:08:39Z) - A deep learning driven pseudospectral PCE based FFT homogenization
algorithm for complex microstructures [68.8204255655161]
提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。
提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
論文 参考訳（メタデータ） (2021-10-26T07:02:14Z) - Learning Robust Hierarchical Patterns of Human Brain across Many fMRI
Studies [2.451910407959205]
安静時fMRIは、様々な疾患の分析にサロゲートバイオマーカーを提供することが示されている。
バイオマーカーの統計力と脳の理解メカニズムを改善するために、マルチセンター研究のプールがますます普及しています。
しかし、複数のサイトからデータをプールすることは、ハードウェア、ソフトウェア、環境によるバリエーションをもたらす。
論文 参考訳（メタデータ） (2021-05-13T20:10:00Z) - Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening
Simulations [58.720142291102135]
動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。
本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
論文 参考訳（メタデータ） (2021-04-28T22:14:25Z) - Adaptive Multi-View ICA: Estimation of noise levels for optimal
inference [65.94843987207445]
Adaptive MultiView ICA (AVICA) はノイズの多いICAモデルであり、各ビューは共有された独立したソースと付加的なノイズの線形混合である。
AVICAは、その明示的なMMSE推定器により、他のICA法よりも優れたソース推定値が得られる。
実脳磁図(MEG)データでは,分解がサンプリングノイズに対する感度が低く,ノイズ分散推定が生物学的に妥当であることを示す。
論文 参考訳（メタデータ） (2021-02-22T13:10:12Z) - Identification of brain states, transitions, and communities using
functional MRI [0.5872014229110214]
ベイズモデルに基づく潜在脳状態のキャラクタリゼーションを提案し,後方予測の不一致に基づく新しい手法を提案する。
タスク-fMRIデータの解析により得られた結果は、外部タスク要求と脳状態間の変化点の間の適切な遅延を示す。
論文 参考訳（メタデータ） (2021-01-26T08:10:00Z) - Solving Sparse Linear Inverse Problems in Communication Systems: A Deep
Learning Approach With Adaptive Depth [51.40441097625201]
疎信号回復問題に対するエンドツーエンドの訓練可能なディープラーニングアーキテクチャを提案する。
提案手法は,出力するレイヤ数を学習し,各タスクのネットワーク深さを推論フェーズで動的に調整する。
論文 参考訳（メタデータ） (2020-10-29T06:32:53Z) - Multiple-view clustering for identifying subject clusters and brain
sub-networks using functional connectivity matrices without vectorization [0.0]
Wishart混合モデルに基づく新しいマルチビュークラスタリング手法を提案する。
この手法の独特な点は、被験者のマルチビュークラスタリングがノードの特定のネットワークに基づいていることである。
論文 参考訳（メタデータ） (2020-10-20T00:51:45Z)
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。