×
文森特·米歇尔;亚历山大·格兰福德;加勒瓦罗奎;伊芙琳·埃格尔;克莉丝汀·克里宾;贝特朗·蒂里昂

基于fMRI的脑状态推断的监督聚类方法。 （英语） 兹比尔1234.92046

模式识别 45，第6号，2041-2049（2012）。
摘要：我们提出了一种方法，将功能磁共振成像（fMRI）中观察到的许多大脑区域的信号结合起来，预测受试者在扫描过程中的行为。标准fMRI数据集的体素网格上采样了大量的大脑区域，这给此类预测带来了麻烦：维度灾难。因此，需要降低维数，但通常使用单变量特征选择过程来执行，该过程既不处理图像的空间结构，也不处理信号的多元特性。
通过引入包含连接约束的脑体积层次聚类，我们将可能的空间配置范围缩小为一棵根据信号定制的嵌套区域树。然后，我们在监督设置中修剪树，从而命名为监督聚类，以提取分割（体积分割），从而使基于分割的信号平均值能够最好地预测目标信息。因此，通过特征聚集来实现降维，构建的特征现在提供了信号的多尺度表示。在模拟数据和实际数据上与参考方法的比较表明，我们的方法比基于标准体素的方法具有更高的预测精度。此外，该方法推断回归或分类任务中涉及的区域的显式权重。

引用于2文件

MSC公司：

92 C55 生物医学成像和信号处理
92C20美元 神经生物学
62H30型 分类和区分；聚类分析（统计方面）
68T99型 人工智能

关键词：

大脑阅读;预测;层次聚类;尺寸缩减;多尺度分析;特征聚集

软件：

Scikit公司;伦敦银行支持向量机;格尔姆奈特;PRMLT公司
PDF格式BibTeX公司 XML格式引用
\textit{V.Michel}等人，《模式识别》45，第6期，2041--2049（2012；Zbl 1234.92046）
全文： 内政部 arXiv公司

参考文献：

[1] 考克斯，D.D。；Savoy，R.L.，功能磁共振成像（fMRI）“大脑阅读”：检测和分类人类视觉皮层fMRI活动的分布模式，神经影像，19，2，261-270（2003）
[2] Kamitani，Y。；Tong，F.，解码人脑的视觉和主观内容，自然神经科学，8，5，679-685（2005）
[3] 大研，P。；Abbott，L.F.，《理论神经科学：神经系统的计算和数学建模》（2001），麻省理工学院出版社·Zbl 1051.92010年
[4] 海恩斯，J.-D。；Rees，G.，《从人类大脑活动中解码精神状态》，《自然评论神经科学》，第7523-534页（2006年）
[5] 卡罗尔，M.K。；Cecchi，G.A。；里希，我。；加格·R。；Rao，A.R.，用稀疏模型预测和解释分布式神经活动，NeuroImage，44，1，112-122（2009）
[6] Friston，K。；A.福尔摩斯。；沃斯利，K。；Poline，J。；弗里斯，C。；Frackowiak，R.，《功能成像中的统计参数图：一般线性方法》，人脑成像，2189-210（1995）
[7] 绳索，D。；豪图，V.M。；Carew，J.D。；Arfanakis，K。；Maravilla，K.，《用层次聚类法测量fMRI静止状态数据中的连通性》，磁共振成像，20，4，305-317（2002）
[8] 帕拉图奇，M。；Mitchell，T.，《高维问题的分类与大量实例》（《数据库中知识发现的原则与实践》（ECML/PKDD）（2007），Springer-Verlag）
[9] V.Michel，A.Gramfort，G.Varoquaux，B.Thirion，总变异正则化增强了基于回归的脑活动预测，摘自：第一届脑解码ICPR研讨会——神经影像中的模式识别挑战——第20届国际模式识别会议，2010年，第1页。；V.Michel，A.Gramfort，G.Varoquex，B.Thirion，《全变异正则化增强基于回归的大脑活动预测》，载于：ICPR首届脑解码研讨会——神经成像中的模式识别挑战——第20届模式识别国际会议，2010年，第1页。
[10] Kriegeskorte，N。；Goebel，R。；Bandettini，P.，《基于信息的脑功能图》，美国国家科学院院刊，103，3863-3868（2006）
[11] 弗兰丁，G。；Kherif，F。；佩内克，X。；马兰丹，G。；阿亚奇，N。；Poline，J.-B.，使用大脑分割技术提高功能性MRI数据的检测灵敏度，（医学图像计算和计算机辅助干预（MICCAI'02），计算机科学讲义，第2488卷（2002）），467-474·Zbl 1028.68741号
[12] 米切尔，T.M。；Hutchinson，R。；尼古列斯库，R.S。；佩雷拉，F。；王，X。；只是，M。；纽曼，S.，《学习从大脑图像解码认知状态》，机器学习V，57，1，145-175（2004）·Zbl 1078.68715号
[13] 范，Y。；沈，D。；Davatzikos，C.，《通过机器学习和多元分类从fMRI图像中检测认知状态》（CVPRW’06：2006年计算机视觉和模式识别研讨会会议记录（2006）），89
[14] 蒂里昂，B。；弗兰丁，G。；Pinel，P。；罗氏公司。；Ciuciu，P。；Poline，J.-B.，《处理空间规范化的缺点：功能磁共振成像数据集的多学科划分》，《人脑绘图》，27，8，678-693（2006）
[15] Ugurbil，K。；托斯·L。；Kim，D.-S.，磁共振成像对大脑功能的准确度如何？，神经科学趋势，26，2，108-114（2003）
[16] 康托斯，D。；Megalooikonomou，V。；波克拉雅克，D。；拉扎列维奇，A。；奥布拉多维奇，Z。；O.B.博伊科。；福特，J。；马克登，F。；Saykin，A.J.，识别功能MRI激活模式的提取及其在阿尔茨海默病中的应用，（医学图像计算和计算机辅助干预MICCAI 2004（2004）），727-735
[17] 北卡罗来纳州佐里奥·马泽尔。；兰多，B。；帕帕塔纳西奥博士。；克里维略，F。；O.Etard。；Delcroix，N。；马佐耶，B。；Joliot，M.，使用MNI MRI单受试者大脑的宏观解剖分割对spm激活的自动解剖标记，神经影像，15，1，273-289（2002）
[18] 凯勒，M。；拉维耶，M。；佩罗，M。；Roche，A.，fMRI组数据分析的解剖信息贝叶斯模型选择，（第12届医学图像计算和计算机辅助干预（MICCAI），2009年）
[19] 蒂罗，B。；蒂里昂，B。；弗兰丁，G。；Poline，J.-B.，《大脑的解剖功能描述：概率方法》（第31届IEEE声学、语音和信号处理国际会议论文集，第五卷（2006）），1109-1122
[20] Ghebreab，S。；Smeulders，A。；Adriaans，P.，从功能磁共振成像数据预测大脑状态：增量功能主成分回归，（神经信息处理系统进展（2008），麻省理工学院出版社），537-544
[21] He，L。；Greenshields，I.R.，fMRI SPM的mrf空间模糊聚类方法，生物医学信号处理与控制，3，4，327-333（2008）
[22] Filzmoser，P。；鲍姆加特纳，R。；Moser，E.，用于分析功能性MR图像的层次聚类方法，磁共振成像，17，6，817-826（1999）
[23] Tucholka，A。；蒂里昂，B。；佩罗，M。；派内尔，P。；Mangin，J.-F。；Poline，J.-B.，皮层的概率解剖功能划分：多少区域？，（第11届医学图像计算和计算机辅助干预（MICCAI）会议录，计算机科学讲稿（2008年），施普林格出版社）
[24] 海恩斯，J.-D。；Rees，G.，《从人类初级视觉皮层的活动预测无形刺激的方向》，《自然神经科学》，8，5，686-691（2005）
[25] 戈兰，P。；戈兰，Y。；Malach，R.，作为fMRI数据无监督分割的空间激活模式检测，（医学图像计算和计算机辅助干预，MICCAI 2007（2007）），110-118
[26] V.Michel，E.Eger，C.Keribin，J.-B.Poline，B.Thirion，《从大脑激活图像中提取预测信息的监督聚类方法》，《生物医学图像分析中的数学方法》（MMBIA’10），2010年。；V.Michel，E.Eger，C.Keribin，J.-B.Poline，B.Thirion，《从大脑激活图像中提取预测信息的监督聚类方法》，《生物医学图像分析中的数学方法》（MMBIA’10），2010年。
[27] Ward，J.H.，优化目标函数的分层分组，《美国统计协会杂志》，58，301，236-244（1963）
[28] Johnson，S.C.，《分层聚类方案》，《心理测量学》，第2241-254页（1967年）·Zbl 1367.62191号
[29] 科尔特斯，C。；Vapnik，V.，支持向量网络，机器学习，20，3，273-297（1995）·Zbl 0831.68098号
[30] 奥利弗·J·J。；Hand，D.J.，《关于修剪和平均决策树》（机器学习国际会议（ICML）（1995）），430-437
[31] 邹，H。；Hastie，T.，通过弹性网的正则化和变量选择，英国皇家统计学会期刊：B系列，67001（2005）·Zbl 1069.62054号
[32] Krishnapuram，B。；Carin，L。；Figueiredo，文学硕士。；Hartemink，A.J.，《稀疏多项式逻辑回归：快速算法和推广界限》，IEEE模式分析和机器智能汇刊，27957-968（2005）
[33] Hughes，G.，《关于统计模式识别器的平均准确度》，IEEE信息理论汇刊，14，1，55-63（1968）
[34] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，通过坐标下降广义线性模型的正则化路径，统计软件杂志，33，1（2009）
[35] C.-C.Chang，C.-J.Lin，LIBSVM：支持向量机库，软件可从以下网址获得：\（\langle\）网址：http://www.csie.ntu.edu.tw/～cjlin/libsvm\（\rangle\）；C.-C.Chang，C.-J.Lin，LIBSVM：支持向量机库，软件可从以下网址获得：\（\langle\）网址：http://www.csie.ntu.edu.tw/～cjlin/libsvm\（\rangle\）
[36] Scikit-learn\（\langle\）http://scikit-learn.sourceforge.net网站/\（范围）；Scikit-learn\（\langle\）网址：http://scikit-learn.sourceforge.net/\（范围）
[37] Eger，E。；凯尔，C。；Kleinschmidt，A.，人类局部分区物体样本诱发活动模式的分级尺寸敏感性，《神经生理学杂志》，100,42038-2047（2007）
[38] Bishop，C.M.，模式识别和机器学习（信息科学和统计）（2007），Springer
[39] 诺曼，K.A。；Polyn，S.M.公司。；Detre，G.J。；Haxby，J.V.，《超越思维：fMRI数据的多体素模式分析》，《认知科学趋势》，10，9，424-430（2006）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。