Fugu-MT 論文翻訳(概要): Separating Stimulus-Induced and Background Components of Dynamic Functional Connectivity in Naturalistic fMRI

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。