論文の概要: Capturing functional connectomics using Riemannian partial least squares
- arxiv url: http://arxiv.org/abs/2306.17371v1
- Date: Fri, 30 Jun 2023 02:24:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-03 13:43:55.771214
- Title: Capturing functional connectomics using Riemannian partial least squares
- Title（参考訳）: リーマン部分最小二乗を用いた関数コネクティクスの捕捉
- Authors: Matt Ryan, Gary Glonek, Jono Tuke, and Melissa Humphries
- Abstract要約: 神経疾患や疾患では、ヒトの脳の機能的および解剖学的コネクトームは、介入や治療戦略をよりよく知るために用いられる。
機能接続を解析するための1つのアプローチは、高次元の予測データのために設計された多変量回帰手法である、部分最小二乗法(PLS)を用いることである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: For neurological disorders and diseases, functional and anatomical
connectomes of the human brain can be used to better inform targeted
interventions and treatment strategies. Functional magnetic resonance imaging
(fMRI) is a non-invasive neuroimaging technique that captures spatio-temporal
brain function through blood flow over time. FMRI can be used to study the
functional connectome through the functional connectivity matrix; that is,
Pearson's correlation matrix between time series from the regions of interest
of an fMRI image. One approach to analysing functional connectivity is using
partial least squares (PLS), a multivariate regression technique designed for
high-dimensional predictor data. However, analysing functional connectivity
with PLS ignores a key property of the functional connectivity matrix; namely,
these matrices are positive definite. To account for this, we introduce a
generalisation of PLS to Riemannian manifolds, called R-PLS, and apply it to
symmetric positive definite matrices with the affine invariant geometry. We
apply R-PLS to two functional imaging datasets: COBRE, which investigates
functional differences between schizophrenic patients and healthy controls,
and; ABIDE, which compares people with autism spectrum disorder and
neurotypical controls. Using the variable importance in the projection
statistic on the results of R-PLS, we identify key functional connections in
each dataset that are well represented in the literature. Given the generality
of R-PLS, this method has potential to open up new avenues for multi-model
imaging analysis linking structural and functional connectomics.
- Abstract（参考訳）: 神経疾患や疾患では、脳の機能的および解剖学的コネクトームは、標的とした介入や治療戦略をよりよく知らせるために用いられる。
機能的磁気共鳴イメージング(fmri)は、時間とともに血流を介して時空間脳機能を捉える非侵襲的神経イメージング技術である。
FMRIは機能的接続行列を通して機能的コネクトーム、すなわちfMRI画像の関心領域からの時系列間のピアソンの相関行列を研究するために用いられる。
関数接続を解析するための1つのアプローチは、高次元予測データのために設計された多変量回帰技術である部分最小二乗法(pls)である。
しかし、plsによる機能的接続の解析は機能的接続行列の重要な性質を無視する;すなわち、これらの行列は正定値である。
これを説明するために、リーマン多様体に対して R-PLS と呼ばれる PLS の一般化を導入し、アフィン不変幾何を持つ対称正定値行列に適用する。
統合失調症患者と健常者の機能的差異を調査するCOBRE,自閉症スペクトラム障害とニューロタイプコントロールを比較検討するABIDEの2つの機能的画像データセットにR-PLSを適用した。
r-plsの結果に基づく投影統計における可変重要度を用いて,文献によく表される各データセットにおける重要な機能的接続を同定する。
R-PLSの一般性を考えると、この手法は構造的および機能的コネクトロミクスをリンクする多モデル画像解析のための新しい道を開く可能性がある。
関連論文リスト
- Copula-Linked Parallel ICA: A Method for Coupling Structural and Functional MRI brain Networks [0.5277756703318045]
機能的MRI(fMRI)と構造的MRI(sMRI)を融合させる以前の研究では、このアプローチの利点が示されている。
我々は、深層学習フレームワーク、コプラと独立成分分析(ICA)を組み合わせた新しい融合法、コプラリンク並列ICA(CLiP-ICA)を開発した。
CLiP-ICAは、脳、感覚運動、視覚、認知制御、デフォルトモードネットワークなど、強い結合と弱い結合sMRIとfMRIネットワークの両方を効果的にキャプチャする。
論文 参考訳（メタデータ） (2024-10-14T01:35:41Z) - 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) - Source-Free Collaborative Domain Adaptation via Multi-Perspective
Feature Enrichment for Functional MRI Analysis [55.03872260158717]
安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。
ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。
しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。
我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
論文 参考訳（メタデータ） (2023-08-24T01:30:18Z) - Multivariate Wasserstein Functional Connectivity for Autism Screening [82.68524566142271]
我々は,代表時系列を使わずに,興味のある地域を直接比較することを提案する。
自閉症スクリーニングタスクにおけるWasserstein機能接続性の評価を行った。
論文 参考訳（メタデータ） (2022-09-23T16:23:05Z) - Functional Parcellation of fMRI data using multistage k-means clustering [0.9786690381850356]
クラスタリングはしばしば機能的パーセレーションを生成するために使われる。
本研究では,静止状態とタスクfMRIデータに対するクラスタリングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-02-19T20:30:02Z) - Shared Space Transfer Learning for analyzing multi-site fMRI data [83.41324371491774]
マルチボクセルパターン解析(MVPA)は、タスクベース機能磁気共鳴画像(fMRI)データから予測モデルを学習する。
MVPAはよく設計された機能セットと十分なサンプルサイズで機能する。
ほとんどのfMRIデータセットはノイズが多く、高次元で、収集するのに高価で、サンプルサイズも小さい。
本稿では,新しい伝達学習手法として共有空間移動学習(SSTL)を提案する。
論文 参考訳（メタデータ） (2020-10-24T08:50:26Z) - 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) - Distance Correlation Based Brain Functional Connectivity Estimation and
Non-Convex Multi-Task Learning for Developmental fMRI Studies [26.256396288380433]
男性と女性における機能的接続の年齢差について検討した。
非関心機能型マルチタスク学習予測モデル(NCMTL)を提案する。
実験の結果,提案したNCMTLモデルは他の競合するMTLモデルよりも優れていた。
論文 参考訳（メタデータ） (2020-09-30T21:48:52Z) - Deep Representational Similarity Learning for analyzing neural
signatures in task-based fMRI dataset [81.02949933048332]
本稿では、表現類似度分析(RSA)の深部拡張であるDRSL(Deep Representational similarity Learning)を開発する。
DRSLは、多数の被験者を持つfMRIデータセットにおける様々な認知タスク間の類似性を分析するのに適している。
論文 参考訳（メタデータ） (2020-09-28T18:30:14Z) - Provably Efficient Neural Estimation of Structural Equation Model: An
Adversarial Approach [144.21892195917758]
一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。
線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。
提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
論文 参考訳（メタデータ） (2020-07-02T17:55:47Z) - Mapping individual differences in cortical architecture using multi-view
representation learning [0.0]
本稿では,タスクfMRIと安静状態fMRIで計測されたアクティベーションと接続性に基づく情報を組み合わせて,新しい機械学習手法を提案する。
マルチビューディープ・オートエンコーダは、2つのfMRIモダリティを、患者を特徴づけるスカラースコアを推測するために予測モデルが訓練されたジョイント表現空間に融合させるように設計されている。
論文 参考訳（メタデータ） (2020-04-01T09:01:25Z)
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。