×
Tananun Songdechakraiwut;Chung，Moo K。

脑网络的拓扑学习。 （英语） Zbl 07656982号

附录申请。斯达。 17，第1号，403-433（2023）.
摘要：本文提出了一种新的拓扑学习框架，通过持久同源性将不同规模和拓扑的网络集成在一起。通过引入计算效率高的拓扑损失，这项具有挑战性的任务成为可能。所提出的损耗的使用绕过了与匹配网络相关的固有计算瓶颈。我们在广泛的统计模拟中验证了该方法，以评估其在区分不同拓扑网络时的有效性。该方法在一项双胞胎大脑成像研究中得到了进一步证明，在该研究中，我们确定大脑网络是否具有遗传性。这里的挑战是由于难以将从静止状态功能MRI获得的拓扑不同的功能性脑网络覆盖到通过扩散MRI获得的模板结构脑网络。

MSC公司：

62件 统计学的应用

关键词：

生死分解;持久同源性;拓扑数据分析;拓扑学习;双胎脑成像研究;瓦瑟斯坦距离

软件：

MRtrix公司;调情;截面
PDF格式BibTeX公司 XML格式引用
\textit{T.Songdechakraiwut}和\textit{M.K.Chung}，Ann.Appl。Stat.17，No.1，403--433（2023；Zbl 07656982）
全文： DOI程序 arXiv公司

参考文献：

[1] ADLER，R.J.、AGAMI，S.和PRANAV，P.（2017）。建模和复制CMB非同质性的统计拓扑和证据。程序。国家。阿卡德。科学。美国114 11878-11883. ·Zbl 1407.55004号 ·doi:10.1073/pnas.1706885114
[2] ADLER，R.J.、BOBROWSKI，O.、BORMAN，M.S.、SUBAG，E.和WEINBERGER，S.（2010年）。随机场和复合物的持久同源性。在借款强度:理论推动应用——劳伦斯·D·布朗（Lawrence D.Brown）的一场盛会.Inst.数学。统计. (智能弹药系统)收集。6 124-143. 俄亥俄州比奇伍德IMS。
[3] 安德森·J.L.、斯科尔·S和阿什伯纳·J（2003）。如何校正自旋回波平面图像中的磁化率畸变：应用于扩散张量成像。神经影像20 870-888.
[4] ARSLAN，S.、KTENA，S.I.、MAKROPOULOS，A.、ROBINSON，E.C.、RUECKERT，D.和PARISOT，S.（2018年）。人脑绘图：人类大脑皮层分割方法的系统比较。神经影像170 5-30之间·doi:10.1016/j.neuroimage.2017.04.014
[5] AVANTS，B.B.、EPSTEIN，C.L.、GROSSMAN，M.和GEE，J.C.（2008）。具有互相关的对称微分图像配准：评估老年人和神经退行性脑的自动标记。医学图像分析。12 26-41. ·doi:10.1016/j.media.2007.06.004
[6] AVANTS，B.B.、TUSTISON，N.J.、SONG，G.、COOK，P.A.、KLEIN，A.和GEE，J.C.（2011年）。脑图像配准中ANT相似性度量性能的可重复性评估。神经影像54 2033-2044.
[7] BABAI，L.和LUKS，E.M.（1983年）。图的规范标记。在第十五届ACM计算理论年会论文集171-183.
[8] Bendich，P.、Marron，J.S.、Miller，E.、Pieloch，A.和Skwerer，S.（2016）。脑动脉树的持续同源性分析。附录申请。斯达。10 198-218. ·doi:10.1214/15-AOAS886
[9] BLOKLAND，G.A.M.、MCMAHON，K.L.、THOMPSON，P.M.、MARTIN，N.G.、DE ZUBICARAY，G.I.和WRIGHT，M.J.（2011年）。工作记忆脑激活的遗传性。《神经科学杂志》。31 10882-10890.
[10] BONNEEL，N.、RABIN，J.、PEYRé，G.和PFISTER，H.（2015）。切片和氡-瓦瑟斯坦重心测量。数学杂志。图像视觉51 22-45. ·兹比尔1332.94014 ·doi:10.1007/s10851-014-0506-3
[11] BRYANT，C.、ZHU，H.、AHN，M.和IBRAHIM，J.（2017年）。LCN：功能性脑网络中用于社区检测的随机图混合模型。统计接口10 369-378. ·Zbl 1388.62314号 ·doi:10.4310/SII.2017.v10.n3.a1
[12] BULLMORE，E.和SPORNS，O.（2009年）。复杂脑网络：结构和功能系统的图论分析。神经科学自然评论。10 186-198.
[13] CABALLERO-GAUDES，C.和REYNOLDS，R.C.（2017）。BOLD fMRI信号的清理方法。神经影像154 128-149. ·doi:10.1016/j.neuroimage.2016.12.018
[14] CALLAGHAN，P.T.、ECCLES，C.D.和XIA，Y.（1988）。动态位移的核磁共振显微术：k空间和q空间成像。《物理学杂志》。E、 科学。仪器。21 820.
[15] CARLSSON，G.（2009年）。拓扑和数据。牛市。阿默尔。数学。Soc公司. (N.S公司.) 46 255-308. ·Zbl 1172.62002号 ·doi:10.1090/S0273-0979-09-01249-X
[16] CARLSSON，G.和MéMOLI，F.（2010年）。层次聚类方法的特征、稳定性和收敛性。J.马赫。学习。物件。11 1425-1470. ·Zbl 1242.62050
[17] CARRIERE，M.、CUTURI，M.和OUDOT，S.（2017年）。用于持久性图的切片Wasserstein内核。在机器学习国际会议664-673. PMLR公司。
[18] CHAZAL，F.、COHEN-STEINER，D.、GUIBAS，L.J.、M EMOLI，F.和OUDOT，S.Y.（2009年）。Gromov-Hausdorff使用持久性稳定形状签名。在计算机图形论坛28 1393-1403. 威利在线图书馆。
[19] CHAZAL，F.、GUIBAS，L.J.、OUDOT，S.Y.和SKRABA，P.（2013）。黎曼流形中基于持久性的聚类。美国临床医学杂志60第41条，第38页·兹比尔1281.68176 ·doi:10.145/2535927
[20] CHEN，C.、NI，X.、BAI，Q.和WANG，Y.（2019）。一种基于持久同调的分类器拓扑正则化器。在这个22第二届国际人工智能与统计会议2573-2582.
[21] CHIANG，M.C.、MCMAHON，K.L.、DE ZUBICARAY，G.I.、MARTIN，N.G.、HICKIE，I.、TOGA，A.W.、WRIGHT，M.J.和THOMPSON，P.M.（2011）。白质发育遗传学：一项对705对双胞胎及其12至29岁的兄弟姐妹进行的DTI研究。神经影像54 2308-2317.
[22] CHO，M.、LEE，J.和LEE，K.M.（2010年）。图匹配的重加权随机行走。在欧洲计算机视觉会议492-505. 柏林施普林格。
[23] 克里斯蒂亚恩斯，D.，雷塞尔，M.，DHOLLANDER，T.，SUNAERT，S.，苏滕斯，P.和梅斯，F.（2015）。使用多组织模型的多壳扩散加权成像数据的全局轨迹成像。神经影像123 89-101. ·doi:10.1016/j.neuroimage.2015.08.008
[24] CHUNG，M.K.和OMBAO，H.（2021年）。持久图的格路径。在医学图像计算中机器智能的可解释性、拓扑数据分析及其在医学数据中的应用.LNCS公司12929 77-86.
[25] CHUNG，M.K.、ADLURU，N.、DALTON，K.M.、ALEXANDER，A.L.和DAVIDSON，R.J.（2011）。在白质纤维上构建可扩展的脑网络。程序。SPIE国际社会选择。工程师。7962 1403-1408. ·doi:10.1117/12.874245
[26] CHUNG，M.K.、HUANG，S.-G.、GRITSENKO，A.、SHEN，L.和LEE，H.（2019a）。大脑网络中周期数的统计推断。2019年电气与电子工程师协会16第十届国际生物医学成像研讨会(ISBI公司2019) 113-116. IEEE，纽约。
[27] CHUNG，M.K.、LEE，H.、DICHRISTOFANO，A.、OMBAO，H.和SOLO，V.（2019b）。双胞胎静止状态脑网络的精确拓扑推断。Netw公司。神经科学。3 674-694.
[28] CHUNG，M.K.、XIE，L.、HUANG，S.-G.、WANG，Y.、YAN，J.和SHEN，L.（2019c）。通过换位快速加速置换测试。在神经成像连接组学国际研讨会42-53之间。柏林施普林格。
[29] CHUNG，M.K.，LEE，H.SOLO，V.DAVIDSON，R.J.POLLAK，S.D.（2017a）。大脑网络之间的拓扑距离。在神经成像中的连接组学:第一次国际研讨会10511 161-170. 柏林施普林格。 ·doi:10.1007/978-3-319-67159-8_19
[30] CHUNG，M.K.，VILLALTA-GIL，V.，LEE，H.，RATHOUZ，P.J.，LAHEY，B.B.和ZALD，D.H.（2017b）。通过持久同源性对配对脑网络进行精确拓扑推断。在医学成像信息处理国际会议299-310. 柏林施普林格。
[31] CLOUGH，J.R.、OKSUZ，I.、BYRNE，N.、SCHNABEL，J.A.和KING，A.P.（2019年）。用于使用持久同源性的基于深度学习的图像分割的显式拓扑先验。在医学成像信息处理国际会议16-28. 柏林施普林格。
[32] Cohen-Steiner，D.、Edelsbrunner，H.和Harer，J.（2007）。持久性图的稳定性。离散计算。地理。37 103-120. ·Zbl 1117.54027号 ·doi:10.1007/s00454-006-1276-5
[33] COHEN-STEINER，D.、EDELSBRUNNER，H.、HARER，J.和MILEYKO，Y.（2010年）。Lipschitz函数具有\[{L_p}\]-稳定持久性。已找到。计算。数学。10 127-139. ·Zbl 1192.55007号 ·doi:10.1007/s10208-010-9060-6
[34] COUR，T.、SRINIVASAN，P.和SHI，J.（2006）。平衡图匹配。高级神经信息处理。系统。19 313-320.
[35] Crawford，L.、Monod，A.、Chen，A.X.、Mukherjee，S.和Rabadán，R.（2020年）。预测胶质母细胞瘤的临床结局：拓扑和功能数据分析的应用。J.Amer。统计师。协会。115 1139-1150. ·Zbl 1441.62316号 ·doi:10.1080/01621459.2019.1671198
[36] DESHPANDE，I.、ZHANG，Z.和SCHWING，A.G.（2018年）。使用切分的Wasserstein距离进行生成建模。在IEEE计算机视觉和模式识别会议记录3483-3491.
[37] Desikan，R.S.、Ségonne，F.、Fischl，B.、Quinn，B.T.、Dickerson，B.C.、Blacker，D.、Buckner，R.L.、Dale，A.M.、Maguire，R.P.等人（2006年）。一种自动标记系统，用于将MRI扫描的人类大脑皮层细分为感兴趣的回转区域。神经影像31 968-980.
[38] DIEDRICHSEN，J.和SHADMEHR，R.（2005）。fMRI时间序列数据中伪影的检测和调整。神经影像27 624-634之间。
[39] EDELSBRUNNER，H.和HARER，J.（2008）。持续同源性——一项调查。在离散和计算几何综述.康斯坦普。数学。453 257-282. 阿默尔。数学。佛罗里达州普罗维登斯Soc·Zbl 1145.55007号 ·doi:10.1090/conm/453/08802
[40] EDELSBRUNNER，H.、LETSCHER，D.和ZOMORODIAN，A.（2000）。拓扑持久性和简化。41年第一届计算机科学基础年会(加利福尼亚州雷东多海滩, 2000) 454-463. IEEE计算。加利福尼亚州洛斯阿拉米托斯Soc.Press·doi:10.1109/SFCS.2000.892133
[41] EDMONDS，J.和KARP，R.M.（1972年）。网络流问题算法效率的理论改进。美国临床医学杂志19 248-264. ·Zbl 0318.90024号
[42] EICKHOFF，S.B.、NICHOLS，T.E.、LAIRD，A.R.、HOFFSTAEDTER，F.、AMUNTS，K.、FOX，P.T.、BZDOK，D.和EICKHOFF，C.R.（2016）。以大量经验模拟为特征的激活似然估计的行为、敏感性和威力。神经影像137 70-85. ·doi:10.1016/j.neuroimage.2016.04.072
[43] EICKHOFF，S.B.、YEO，B.T.T.和GENON，S.（2018年）。基于图像的人脑分区。神经科学自然评论。19 672-686.
[44] FALCONER，D.和MACKAY，T.（1995）。数量遗传学导论第四版，Longman，Harlow。
[45] FAN，L.，LI，H.，ZHUO，J.，ZHANG，Y.，WANG，J.、CHEN，L.、YANG，Z.、CHU，C.、XIE，S.等人（2016年）。人脑网络图谱：基于连接结构的新脑图谱。塞雷布。Cortex公司26 3508-3526.
[46] FORNITO，A.、ZALESKY，A.和BULLMORE，E.T.（2010年）。人类静止状态fMRI数据的图形分析研究中的网络缩放效应。前面。系统。神经科学。4 1-16.
[47] FORNITO，A.、ZALESKY，A.和BULLMORE，E.（2016）。脑网络分析基础纽约学术出版社。
[48] GHRIST，R.（2008年）。条形码：数据的持久拓扑。牛市。阿默尔。数学。Soc公司. (N.S公司.) 45 61-75. ·Zbl 1391.55005号 ·doi:10.1090/S0273-0979-07-01191-3
[49] GINESTET，C.E.、NICHOLS，T.E.、BULLMORE，E.T.和SIMMONS，A.（2011年）。脑网络分析：使用成本集成将成本与拓扑分离。PLoS综合6 e21570·doi:10.1371/journal.pone.0021570
[50] GLAHN，D.C.、WINKLER，A.M.、KOCHUNOV，P.、ALMASY，L.、DUGGIRALA，R.、CARLESS，M.A.、CURRAN，J.C.、OLVERA，R.L.、LAIRD，A.R.等人（2010年）。静息大脑的基因控制。程序。国家。阿卡德。科学。美国107 1223-1228.
[51] GLASSER，M.F.和ESSEN，D.C.V.（2011年）。根据T1和T2加权MRI显示的髓磷脂含量绘制活体人类皮层区域。《神经科学杂志》。31 11597-11616. ·doi:10.1523/JNEUROSCI.2180-11.2011
[52] GLASSER，M.F.、SMITH，S.M.、MARCUS，D.S.、ANDERSON，J.L.R.、AUERBACH，E.J.、BEHRENS，T.E.J.、COALSON，T.S.、HARMS，M.P.、JENKINSON，M.等人（2016年）。人类连接体项目的神经成像方法。自然神经科学。19 1175.
[53] Glasser，M.F.、Sotiropoulos，S.N.、Wilson，J.A.、Coalson，T.S.、Fischl，B.、Andersson，J.L.、Xu，J.、Jbabdi，S.、Webster，M.等人（2013年）。Human Connectome项目的最小预处理管道。神经影像80 105-124.
[54] GOLD，S.和RANGARAJAN，A.（1996）。图匹配的分级分配算法。IEEE传输。模式分析。机器。智力。18 377-388.
[55] GONG，G.，HE，Y.，CONCHA，L.，LEBEL，C.，GROSS，D.W.，EVANS，A.C.和BEAULIEU，C.（2009年）。使用体内扩散张量成像束成像技术绘制人类大脑皮层的解剖连接模式。塞雷布。Cortex公司19 524-536.
[56] Goodfellow，I.、Bengio，Y.和Courville，A.（2016）。深度学习.自适应计算与机器学习麻省理工学院出版社，马萨诸塞州剑桥·Zbl 1373.68009号
[57] GRITSENKO，A.、LINDQUIST，M.A.和CHUNG，M.K.（2020年）。静止状态下大脑连通性的双胞胎分类。在IEEE生物医学成像国际研讨会(ISBI公司). 可从arXiv:1807.00244获取。
[58] GUO，X.和SRIVASTAVA，A.（2020）。用于弹性图的形状分析的表示、度量和统计。在IEEE/CVF计算机视觉和模式识别研讨会会议记录832-833.
[59] HAGMANN，P.、KURANT，M.、GIGANDET，X.、THIRAN，P.，WEDEEN，V.J.、MEULI，R.和THIRAN（J.-P.）（2007年）。用扩散MRI绘制人类全脑结构网络。PLoS综合2 e597·doi:10.1371/journal.pone.0000597
[60] 霍尼，C.J.、科特，R.、布雷克斯皮尔，M.和斯波恩斯，O.（2007）。大脑皮层的网络结构在多个时间尺度上形成功能连接。程序。国家。阿卡德。科学。美国104 10240-10245.
[61] HONEY，C.J.、SPORNS，O.、CAMMOUN，L.、GIGANDET，X.、THIRAN，J.-P.、MEULI，R.和HAGMANN，P.（2009年）。从结构连接性预测人类静息状态下的功能连接性。程序。国家。阿卡德。科学。美国106 2035-2040.
[62] 胡，X.，李，F.，萨马拉斯，D.和陈，C.（2019）。保持拓扑的深度图像分割。在神经信息处理系统研究进展5657-5668.
[63] HUANG，S.G.、CHUNG，M.K.、QIU，A.和INITIATIVE，A.D.N.（2021）。用Laplace-Beltrami谱滤波的多项式逼近重审图上的卷积神经网络。神经计算。应用。33 13693-13704.
[64] HUANG，S.G.、SAMDIN，S.T.、TING，C.M.、OMBAO，H.和CHUNG，M.K.（2020年）。动态变化相关矩阵的统计模型及其在大脑连通性中的应用。《神经科学杂志》。方法331 108480.
[65] JENKINSON，M.和SMITH，S.（2001）。脑图像鲁棒仿射配准的全局优化方法。医学图像分析。5 143-156.
[66] JENKINSON，M.、BANNISTER，P.、BRADY，M.和SMITH，S.（2002）。改进优化，以实现稳健准确的线性配准和大脑图像的运动校正。神经影像17 825-841.
[67] JEURISSEN，B.、TOURNIER，J.-D.、DHOLLANDER，T.、CONNELLY，A.和SIJBERS，J.（2014）。用于改进多壳扩散MRI数据分析的多组织约束球面反褶积。神经影像103 411-426. ·doi:10.1016/j.neuroimage.2014.07.061
[68] JOVICICH，J.、CZANNER，S.、GREVE，D.、HALEY，E.、VAN DER KOUWE，A.、GOLLUB，R.、KENNEDY，D.、SCHMITT，F.、BROWN，G.等人（2006年）。多部位结构MRI研究的可靠性：梯度非线性校正对模型和人体数据的影响。神经影像30 436-443.
[69] KANG，H.、OMBAO，H.、FONNESBECK，C.、DING，Z.和MORGAN，V.L.（2017）。一种使用关节功能和结构数据的静息状态大脑连接的贝叶斯双重融合模型。大脑连接。7 219-227. ·doi:10.1089/brain.2016.0447
[70] KARAS，M.、BRZYSKI，D.、DZEMIDZIC，M.，GOñI，J.、KAREKEN，D.A.、RANDOLPH，T.W.和HAREZLAK，J.（2019年）。回归的脑连接信息正则化方法。Stat.Biosci公司。11 47-90. ·数字对象标识代码：10.1007/s12561-017-9208-x
[71] KARRAS，T.、AILA，T.，LAINE，S.和LEHTINEN，J.（2018年）。GAN的逐步生长可提高质量、稳定性和变异性。在国际学习代表大会.
[72] KERBER，M.、MOROZOV，D.和NIGMETOV，A.（2017年）。几何图形有助于比较持久性图。ACM J.实验算法22第1.4条，20页·Zbl 1414.68129号 ·数字对象标识代码：10.1145/3064175
[73] KOLOURI，S.、NADJAHI，K.、SIMSEKLI，U.、BADEAU，R.和ROHDE，G.（2019年）。广义切分Wasserstein距离。在神经信息处理系统研究进展261-272.
[74] KOLOURI，S.、PARK，S.R.、THORPE，M.、SLEPCEV，D.和ROHDE，G.K.（2017年）。最佳质量运输：信号处理和机器学习应用。IEEE信号处理。美格。34 43-59.
[75] KONG，R.、GAO，J.、XU，Y.、PAN，Y.，WANG，J.和LIU，J.（2019年）。结合大脑连通性和深层神经网络分类器对自闭症谱系障碍进行分类。神经计算324 63-68.
[76] KRIEGEL，H.-P.、KRGER，P.和ZIMEK，A.（2009年）。高维数据聚类：关于子空间聚类、基于模式的聚类和相关聚类的调查。ACM事务处理。知识。发现。数据3 1-58.
[77] LE，H.和KUME，A.（2000年）。弗雷切特意味着形状和手段的形状。申请中的预付款。普罗巴伯。32 101-113. ·Zbl 0961.60020号 ·doi:10.1239/aap/1013540025
[78] LEE，H.、KANG，H.、CHUNG，M.K.、KIM，B.-N.和LEE，D.S.（2012年）。从树状图的角度看持续的脑网络同源性。IEEE传输。医学图像。31 2267-2277.
[79] LEORDEANU，M.和HEBERT，M.（2005）。使用成对约束解决对应问题的谱技术。在第十届IEEE国际计算机视觉会议(ICCV’05),体积1 2 1482-1489. IEEE，纽约。
[80] LEORDEANU，M.、HEBERT，M.和SUKTHANKAR，R.（2009年）。一种用于图匹配和地图推理的整数投影不动点方法。在神经信息处理系统研究进展1114-1122.
[81] LIUTKUS，A.、SIMSEKLI，U.、MAJEWSKI，S.、DURMUS，A.和STETER，F.-R.（2019年）。切片沃斯坦流：通过最佳传输和扩散的非参数生成建模。在机器学习国际会议4104-4113.
[82] LOVE，E.R.、FILIPPENKO，B.、MAROULAS，V.和CARLSSON，G.（2021年）。拓扑深度学习。预印本。可从arXiv:2101.05778获得。
[83] LV，J.，GUO，L.，HU，X.，ZHANG，T.，LI，K.，ZHANG，D.，YANG，J.和LIU，T.（2010）。使用DTI和静息状态FMRI数据对大脑连接性进行以纤维为中心的分析。在医学图像计算和计算机辅助干预国际会议(MICCAI公司) 143-150. 柏林施普林格。
[84] MARCHESE，A.和MAROULAS，V.（2018）。在持久性图空间上用点过程距离进行信号分类。高级数据分析。分类。12 657-682. ·Zbl 1416.94030号 ·doi:10.1007/s11634-017-0294-x
[85] MARCOS，D.、VOLPI，M.和TUIA，D.（2016）。学习用于纹理分类的旋转不变卷积滤波器。2016年23第三届模式识别国际会议(ICPR公司) 2012-2017. IEEE，纽约。
[86] MAROULAS，V.、NASRIN，F.和OBALLE，C.（2020）。持久同源性的贝叶斯框架。SIAM J.数学。数据科学。2 48-74. ·Zbl 1484.62032号 ·doi:10.1137/19M1268719
[87] MCKAY，D.R.，KNOWLES，E.E.M.，WINKLER，A.A.M.，SPROOTEN，E.，KOCHUNOV，P.，OLVERA，R.L.，CURRAN，J.E.，KENT JR.，J.W.，CARLESS，M.A.等人（2014年）。年龄、性别和遗传因素对人脑的影响。大脑成像行为。8 143-152.
[88] NAITZAT，G.、ZHITNIKOV，A.和LIM，L.-H.（2020年）。深度神经网络拓扑。J.马赫。学习。物件。21第184号论文，40页·兹比尔1527.68207
[89] Ng，A.Y.、Jordan，M.I.和Weiss，Y.（2002年）。关于谱聚类：分析和算法。在神经信息处理系统研究进展849-856.
[90] OMBAO，H.、LINDQUIST，M.、THOMPSON，W.和ASTON，J.编辑（2016年）。神经影像数据分析手册.查普曼和霍尔/CRC现代统计方法手册CRC出版社，佛罗里达州博卡拉顿。
[91] PATRANGENARU，V.、BUBENIK，P.、PAIGE，R.L.和OSBORNE，D.（2019年）。拓扑对象数据分析的挑战。Sankhya A公司81 244-271. ·Zbl 1422.62234号 ·doi:10.1007/s13171-018-0137-7
[92] POWER，J.D.、BARNES，K.A.、SNYDER，A.Z.、SCHLAGGAR，B.L.和PETERSEN，S.E.（2012）。功能连通性MRI网络中的虚假但系统性的相关性是由受试者的运动引起的。神经影像59 2142-2154.
[93] RABIN，J.、PEYRé，G.、DELON，J.和BERNOT，M.（2011年）。Wasserstein重心及其在纹理混合中的应用。在计算机视觉中尺度空间和变分方法国际会议435-446. 柏林施普林格。
[94] REININGHAUS，J.、HUBER，S.、BAUER，U.和KWITT，R.（2015）。拓扑机器学习的稳定多尺度核。在IEEE计算机视觉和模式识别会议记录4741-4748.
[95] REYNOLDS，C.A.和PHILLIPS，D.（2015）。大脑遗传学与双胞胎衰老。
[96] 罗宾斯，V.和特纳，K.（2016）。持久同源秩函数的主成分分析，以空间点模式、球体填充和胶体为例进行研究。物理学。D类334 99-117·Zbl 1415.60052号 ·doi:10.1016/j.physd.2016.03.007
[97] ROTTSCHY，C.、LANGNER，R.、DOGAN，I.、REETZ，K.、LAIRD，A.R.、SCHULZ，J.B.、FOX，P.T.和EICKHOFF，S.B.（2012年）。工作记忆的神经相关性建模：基于协调的荟萃分析。神经影像60 830-846.
[98] SAAD，D.编辑（1998年）。神经网络中的在线学习.牛顿研究所出版物17.剑桥大学出版社，剑桥。
[99] SATTERTHWAITE，T.D.、WOLF，D.H.、LOUGHEAD，J.、RUPAREL，K.、ELLIOTT，M.A.、HAKONARSON，H.、GUR，R.C.和GUR R.E.（2012）。扫描仪中头部运动对多项功能连接测量的影响：与青少年神经发育研究的相关性。神经影像60 623-632。
[100] SCHAEFER，A.、KONG，R.、GORDON，E.M.、LAUMANN，T.O.、ZUO，X.N.、HOLMES，A.J.、EICKHOFF，S.B.和YEO，B.T.T.（2017）。来自内在功能连接MRI的人类大脑皮层局部全球分裂。塞雷布。Cortex公司28 3095-3114.
[101] SCOTT，J.（1988）。社交网络分析。社会学22 109-127.
[102] SHAH，L.M.、CRAMER，J.A.、FERGUSON，M.A.、BIRN，R.M.和ANDERSON，J.S.（2016）。任务和休息状态期间获得的功能连接的个体差异的可靠性和再现性。大脑行为。6 e00456。
[103] SHAPPELL，H.M.、CAFFO，B.S.、PEKAR，J.J.和LINDQUIST，M.（2019年）。使用隐半马尔可夫模型改进动态功能连通性中的状态变化估计。神经影像191 243-257.
[104] SHARATHKUMAR，R.和AGARWAL，P.K.（2012）。几何环境中运输问题的算法。在第二十三届ACM-SIAM离散算法年会论文集306-317. 纽约ACM·Zbl 1423.90023号
[105] 沙塔克·D·W·、米尔扎·M·、阿迪塞蒂约·V·、霍贾塔沙尼·C·、SALAMON·G·、NARR·K·L·、POLDRACK·R·A·、BILDER·R·M·和TOGA·A·W·（2008）。人类皮层结构三维概率图谱的构建。神经影像39 1064-1080.
[106] SINGH，N.、COUTURE，H.D.、MARRON，J.、PEROU，C.和NIETHAMMER，M.（2014）。组织学图像的拓扑描述符。在医学成像机器学习国际研讨会231-239. 柏林施普林格。
[107] SMIT，D.J.A.、STAM，C.J.、POSTHUMA，D.、BOOMSMA，D.I.和DE GEUS，E.J.C.（2008年）。大脑中小世界网络的遗传性：静息状态脑电图功能连接的图论分析。嗯。大脑映射。29 1368-1378.
[108] SMITH，R.E.、TOURNIER，J.D.、CALAMANTE，F.和CONNELLY，A.（2015）。SIFT2：使用流线束描记术实现脑白质连通性的密集定量评估。神经影像119 338-351.
[109] SNIJDERS，T.、SPREEN，M.和ZWAAGSTRA，R.（1995）。使用多层次模型分析个人网络：城市地区的可卡因使用者网络。J.数量。阿索波尔。5 85-105.
[110] SONGDECHAKRAIWUT，T.和CHUNG，M.K.（2020）。脑功能信号的动态拓扑数据分析。2020年电气与电子工程师协会17第届国际生物医学成像研讨会(ISBI研讨会) 1-4. IEEE，纽约。
[111] SONGDECHAKRAIWUT，T.、KRAUSE，B.M.、BANKS，M.I.、NOURSKI，K.V.和VAN VEEN，B.D.（2022a）。基于Wasserstein距离的向量空间中的拓扑分类。预印本。可从arXiv:2202.01275获得。
[112] SONGDECHAKRAIWUT，T.、KRAUSE，B.M.、BANKS，M.I.、NOURSKI，K.V.和VEEN，B.D.V.（2022b）。基于Wasserstein距离的快速拓扑聚类。在学习代表国际会议.
[113] SONGDECHAKRAIWUT，T.、SHEN，L.和CHUNG，M.K.（2021年）。拓扑学习及其在多模态脑网络集成中的应用。在医学图像计算与计算机辅助干预(MICCAI公司).计算机科学课堂讲稿12902 166-176.
[114] SPORNS，O.（2003）。神经连接模式分析的图论方法。在神经科学数据库:实用指南171-185. 马萨诸塞州波士顿斯普林格。
[115] TAYLOR，L.和NITSCHKE，G.（2018年）。通过通用数据增强改进深度学习。2018年IEEE计算智能系列研讨会(SSCI公司) 1542-1547. IEEE，纽约。
[116] 田毅、闫杰、张华、张毅、杨欣和张华（2012）。关于图匹配的收敛性：重新审视分级作业。在欧洲计算机视觉会议821-835. 柏林施普林格。
[117] TOGA，A.W.和THOMPSON，P.M.（2003）。绘制大脑不对称。神经科学自然评论。4 37-48. ·doi:10.1038/nrn2009
[118] TOURNIER，J.、CALAMANTE，F.、CONNELLY，A.等人（2012年）。MRtrix：交叉纤维区的扩散纤维束成像。国际成像系统杂志。Technol公司。22 53-66.
[119] TURNER，K.、MILEYKO，Y.、MUKHERJEE，S.和HARER，J.（2014）。Fréchet表示持久性图的分布。离散计算。地理。52 44-70. ·Zbl 1296.68182号 ·doi:10.1007/s00454-014-9604-7
[120] Tzourio-Mazoyer，N.、Landeau，B.、Papathanassiou，D.、Crivello，F.、Etard，O.、Delcroix，N.，Mazoyer、B.和Joliot，M.（2002年）。使用MNI MRI单个受试者大脑的宏观解剖分割，自动标记SPM中激活的解剖结构。神经影像15 273-289.
[121] VAN DIJK，K.R.A.、SABUNCU，M.R.和BUCKNER，R.L.（2012）。头部运动对MRI内在功能连通性的影响。神经影像59 431-438.
[122] Van Essen，D.C.、Ugurbil，K.、Auerbach，E.、Barch，D.、Behrens，T.、Bucholz，R.、Chang，A.、Chen，L.、Corbetta，M.等人（2012年）。人类连接体项目：数据采集视角。神经影像62 2222-2231.
[123] Van Essen，D.C.，Smith，S.M.，Barch，D.M.，Behrens，T.E.，Yacoub，E.，Ugurbil，K.，Consortium，W.-M.H.等人（2013年）。WU-Minn人类连接体项目：概述。神经影像80 62-79.
[124] WANG，Y.、OMBAO，H.和CHUNG，M.K.（2018年）。单次试验脑电图信号的拓扑数据分析。附录申请。斯达。12 1506-1534. ·Zbl 1405.62212号 ·doi:10.1214/17-AOAS1119
[125] WANG，T.、LIU，H.、LI，Y.、JIN，Y.、HOU，X.和LING，H.（2020）。用于图匹配的学习组合求解器。在IEEE/CVF计算机视觉和模式识别会议记录7568-7577.
[126] WASSERMAN，L.（2018）。拓扑数据分析。每年。修订状态申请。5 501-535. ·doi:10.1146/annurev-statistics-031017-100045
[127] WIJK，B.C.M.、STAM，C.J.和DAFFERTSHOFER，A.（2010年）。使用图论比较不同大小和连接密度的脑网络。PLoS综合5 e13701。
[128] XIA，K.和WEI，G.-W.（2014）。蛋白质结构、柔韧性和折叠的持久同源性分析。国际期刊数字。方法生物识别。工程师。30 814-844之间·doi:10.1002/cnm.2655
[129] XIE，L.，AMICO，E.，SALAMA，P.，WU，Y.C.，FANG，S.，SPORNS，O.，SAYKIN，A.J.，GOñI，J.，YAN，J.等人（2018年）。可靠连接组特征的遗传性评估。在神经成像中连接组学国际研讨会.计算机科学课堂讲稿11083 58-66.
[130] XUE，W.、BOWMAN，F.D.、PILEGGI，A.V.和MAYER，A.R.（2015）。通过联合建模功能和结构连接来确定大脑网络的多模式方法。前面。计算。神经科学。9 22. ·doi:10.3389/fncom.2015.00022
[131] YU，T.，YAN，J.，WANG，Y.，LIU，W.等人（2018）。超越二次分配模型的广义图匹配。在神经信息处理系统研究进展853-863.
[132] ZALESKY，A.、FORNITO，A.、HARDING，I.H.、COCCHI，L.、YüCEL，M.、PANTELIS，C.和BULLMORE，E.T.（2010年）。全脑解剖网络：节点的选择重要吗？神经影像50 970-983.
[133] ZAVLANOS，M.M.和PAPPAS，G.J.（2008）。加权图匹配的动态系统方法。自动化J.IFAC44 2817-2824. ·Zbl 1204.05084号 ·doi:10.1016/j.automatica.2008.04.009
[134] Zemel，Y.和Panaretos，V.M.（2019年）。Wasserstein空间中的Fréchet均值和Procrustes分析。伯努利25 932-976. ·Zbl 1431.62132号 ·doi:10.3150/17-bej1009
[135] ZHANG，Z.、DESCOTEAUX，M.、ZHANG，J.、GIRARD，G.、CHAMBERLAND，M.，DUNSON，D.、SRIVASTAVA，A.和ZHU，H.（2018年）。绘制基于人群的结构连接体。神经影像172、130至145。
[136] ZHANG，G.，CAI，B.，ZHANGA，STEPHEN，J.M.，WILSON，T.W.，CALHOUN，V.D.和WANG，Y.P.（2019a）。用稀疏隐马尔可夫模型估计大脑的动态功能连通性。IEEE传输。医学图像。39 488-498.
[137] ZHANG，Z.，XIANG，Y.，WU，L.，XUE，B.和NEHORAI，A.（2019b）。KerGM：内核化图匹配。在神经信息处理系统研究进展3335-3346.
[138] ZHOU，F.和DE LA TORRE，F.（2013）。可变形图形匹配。在IEEE计算机视觉和模式识别会议记录2922-2929.
[139] ZHU，D.，ZHANG，T.，JIANG，X.，HU，X.，CHEN，H.，YANG，N.，LV，J.，HAN，J.，GUO，L.等人（2014）。融合DTI和fMRI数据：方法和应用综述。神经影像102 184-191
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。