×
瑞安·沃尼克;米歇尔·吉尼达尼;埃里克·埃哈特;埃琳娜·艾伦;文斯·卡尔霍恩;玛丽娜·万努奇

用于估计fMRI数据中动态功能网络连通性的贝叶斯方法。 （英语） Zbl 1398.62350号

美国统计协会。 113，编号521，134-151（2018）.
摘要：动态功能连接，即研究大脑区域之间的相互作用如何在功能磁共振实验过程中动态变化，最近在神经影像学文献中受到广泛关注。目前研究动态连通性的方法通常依赖于特别的推理方法，fMRI时间进程由一系列滑动窗口分割。我们提出了一种基于时变网络估计的动态功能连通性贝叶斯原理方法。我们的方法利用隐马尔可夫模型对潜在认知状态进行分类，在一个集成的框架中实现对网络的估计，该框架在整个实验过程中借用了强度。此外，我们假设定义每个时间点的连接状态的图结构在超粒度内相关，以鼓励在相关图中选择相同的边。我们将我们的方法应用于模拟的基于任务的fMRI数据，在那里我们展示了我们的方法如何允许任务相关激活和功能连接状态的解耦。我们还对单个健康受试者的fMRI感觉运动任务实验数据进行了分析，得出的结果支持特定解剖区域在调节执行控制和注意网络之间的交互作用中的作用。

引用于8文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
62A09号 统计学中的图形方法
92立方厘米20 神经生物学
92 C55 生物医学成像和信号处理

关键词：

大脑连通性;贝叶斯建模;功能磁共振成像;图形模型

软件：

高分贝CS;SimTB公司
PDF格式BibTeX公司 XML格式引用
\textit{R.Warnick}等人，J.Am.Stat.Assoc.113，No.521，134--151（2018；Zbl 1398.62350）
全文： 内政部 链接

参考文献：

[1] Airoldi，E.M。；科斯塔·T。；巴塞蒂，F。；Leisen，F。；Guindani，M.，潜在β增强的广义物种采样先验，美国统计协会杂志, 109, 1466-1480, (2014) ·Zbl 1368.62125号
[2] Albughdadi，M。；Chaari，L。；托内雷特，J.-Y。；福布斯，F。；Ciuciu，P.，脑血流动力学分区的贝叶斯非参数隐马尔可夫随机模型，信号处理, 135, 132-146, (2017)
[3] 艾伦，E.A。；Damaraju，E。；Plis，S.M。；Erhardt，E.B。；Eichele，T。；Calhoun，V.D.，跟踪静息状态下的全脑连接性动力学，大脑皮层, 24, 663-676, (2012)
[4] 巴迪略，S。；Vincent，T。；Ciuciu，P.，功能磁共振成像中受试者内和受试者间血流动力学变异性的组水平影响，神经影像，82333-448，（2013）
[5] 贝克，A。；布鲁克斯，M。；Rezek，A。；史密斯，S。；Behrens，T。；彭尼，J。；史密斯，R。；Woolrich，M.，《人类自发大脑活动中的快速瞬态网络》，电子生活, 3, 1-18, (2014)
[6] Balqis-Samdin，S。；丁，C.-M。；Ombao，H。；Salleh，S.-H.，有效大脑连接状态相关变化的统一评估框架，生物医学工程汇刊, 64, 844-858, (2017)
[7] Beal，M.J。；加赫拉马尼，Z。；Rasmussen，C.，无限隐马尔可夫模型，NIPS公司, 14, 577-584, (2002)
[8] 伯杰，A。；波斯纳，M.I.，《大脑注意力网络病理学》，神经学与生物行为评论，24，3-5，（2000）
[9] 鲍曼，F。；Caffo，B。；巴塞特，S。；Kilts，C.，功能磁共振成像数据空间建模的贝叶斯层次框架，神经影像, 39, 146-156, (2008)
[10] Bowman，F.D.，脑成像分析，统计年鉴及其应用, 1, 61-85, (2014)
[11] E.布尔摩尔。；《复杂脑网络：结构和功能系统的图论分析》，自然评论-神经科学, 10, 186-198, (2009)
[12] 卡尔霍恩，V。；阿达利，T。；Pearlson，G。；Pekar，J.，利用独立成分分析从功能性MRI数据进行群体推断的方法，人脑映射, 14, 140-151, (2001)
[13] 卡尔霍恩，V.D。；阿达利，T。；Pekar，J.A.，使用独立成分分析比较组fMRI数据的方法：在视觉、运动和视觉运动任务中的应用，磁共振成像, 22, 1181-1191, (2004)
[14] 卡尔霍恩，V.D。；米勒，R。；Pearlson，G。；Adali，T.，《时变连接性网络：fMRI数据发现的下一个前沿》，神经元, 84, 262-274, (2014)
[15] 曹，J。；Worsley，K.，相关场的几何学及其在大脑功能连接中的应用，应用概率年鉴, 9, 1021-1057, (1999) ·兹比尔0961.60052
[16] Chaari，L。；Vincent，T。；福布斯，F。；Dojat，M。；Ciuciu，P.，用变分方法快速联合检测事件相关功能磁共振成像中的诱发脑活动，IEEE医学影像汇刊, 32, 821-837, (2013)
[17] Chang，C。；Glover，G.，用功能磁共振成像测量静止状态下大脑连通性的时频动力学，神经影像, 50, 81-98, (2010)
[18] 蒋，S。；卡塞塞，A。；Guindani，M。；Vannucci，M。；Yeh，H.J。；哈尼夫，Z。；Stern，J.M.，功能连通性分析中图论度量的时间依赖性，神经影像, 125, 601-615, (2015)
[19] 科恩，A.L。；费尔，D.A。；联合国多森巴赫。；Miezin，F.M。；Dierker，D。；埃森，D.C.V。；Schlagar，B.L。；Petersen，S.E.，使用静息功能连接MRI定义单个人脑的功能区域，神经影像, 41, 45-57, (2008)
[20] 克里本。；Haraldsdottir，R。；阿特拉斯，L。；Wager，T.D。；Lindquist，M.A.，《动态连接性回归：确定大脑连接性的状态相关变化》，神经影像, 61, 907-920, (2012)
[21] Damaraju，E。；艾伦，E.A。；贝尔加，A。；福特，J.M。；Preda，A。；特纳，J.A。；Vaidya，J.G。；van Erp，T.G.等人。；Calhoun，V.D.，动态功能连接性分析揭示了精神分裂症患者连接性障碍的短暂状态，神经影像, 5, 298-308, (2014)
[22] 北卡罗来纳州德皮萨皮亚。；图拉托，M。；林，P。；Jovichi，J。；Caramazza，A.，无意识启动指令调节人脑默认和执行网络的活动，大脑皮层, 22, 639-649, (2011)
[23] 多布拉，A。；Lenkoski，A。；Rodriguez，A.，一般高斯图形模型的贝叶斯推断及其在多元格点数据中的应用，美国统计协会杂志, 106, 1418-1433, (2011) ·Zbl 1234.62018年
[24] Erhardt，E.B。；艾伦，E.A。；魏毅。；Eichele，T。；Calhoun，V.D.，Simtb，时空可分性模型下fMRI数据的模拟工具箱，神经影像, 59, 4160-4167, (2012)
[25] 埃尔哈特，E.B。；Rachakonda，S。；Bedrick，E.J。；艾伦，E.A。；阿达利，T。；Calhoun，V.D.，fMRI数据分析的多学科ICA方法比较，人脑映射, 32, 2075-2095, (2011)
[26] 弗兰丁，G。；Penny，W.，Bayesian fMRI数据分析与稀疏空间基函数先验，神经影像, 34, 1108-1125, (2007)
[27] Friston，K.J。；Jezzard，P。；Turner，R.，功能性MRI时间序列分析，人脑映射, 1, 153-171, (1994)
[28] Garrity，A。；Pearlson，G。；麦基尔南，K。；劳埃德·D。；Kiehl，K。；Calhoun，V.D.，精神分裂症中的异常“默认模式”功能连接，美国精神病学杂志, 164, 450-457, (2007)
[29] Geweke，J.，评估基于抽样方法计算后力矩的准确性，贝叶斯统计169-193年4月，（1992年）
[30] Gollub，R.L。；舒梅克，J.M。；金，医学博士。；怀特，T。；埃利希，S。；Sponheim，S.R。；克拉克，V.P。；特纳，J.A。；米勒，学士。；Magnotta，V.，《MCIC集合：来自精神分裂症临床研究的多模式、多位点大脑图像数据的共享存储库》，神经信息学, 11, 367-388, (2013)
[31] Hinne，M。；Ambrogioni，L。；詹森·R·J。；Heskes，T。；van Gerven，M.A.，结构信息贝叶斯函数连通性分析，神经影像, 86, 294-305, (2014)
[32] 霍尔布鲁克，A。；Lan，S。；Vandenberg-Rodesa，A。；Shahbaba，B，正定矩阵空间上的测地拉格朗日蒙特卡罗：应用于贝叶斯谱密度估计，（2016）
[33] Hutchison，R.M。；Womelsdorf，T。；艾伦，E.A。；Bandettini，P.A。；卡尔霍恩，V.D。；科贝塔，M。；佩纳，S.D。；Duyn，J.H。；手套，G.H。；Gonzalez-Castillo，J。；Handwerker，D.A。；Keilholz，S。；Kiviniemi，V。；利奥波德，D.A。；de Pasquale，F。；孢子，O。；Walter，M。；Chang，C.，《动态功能连接：承诺、问题和解释》，神经影像, 80, 360-378, (2013)
[34] 杰克逊，S.R。；马拉科共和国。；波斯纳，M.I.，控制视觉空间注意的解剖区域网络，神经网络, 7, 925-944, (1994)
[35] 琼斯，B。；卡瓦略，C。；多布拉，A。；汉斯，C。；卡特，C。；West，M.，高维图形模型随机计算实验，统计科学，20，388-400，（2005年）·Zbl 1130.62408号
[36] Josse，J。；Pages，J。；Husson，F.，测试RV系数的重要性，计算统计与数据分析, 53, 82-91, (2008) ·Zbl 1452.62399号
[37] 卡卢斯，S。；Sämann，P。；Fahrmeir，L.，功能磁共振成像回归中通过空间贝叶斯变量选择的大脑激活分类，数据分析和分类进展, 8, 63-83, (2013) ·Zbl 1459.62205号
[38] Koshino，H。；Minamoto，T。；池田，T。；M.大阪。；Y.大冢。；大阪，北卡罗来纳州，前内侧前额叶皮层在任务准备期间表现出激活，但在任务执行期间表现出失活，公共科学图书馆，6，e22909，（2011）
[39] Koshino，H。；Minamoto，T。；Yaoi，K。；M.大阪。；大阪，N.，任务准备期间默认模式网络区域和工作记忆网络区域的协同激活，科学报告, 4, (2014)
[40] Lauritzen，S。，图形模型，（1996），克拉伦登出版社，纽约·Zbl 0907.62001
[41] 北卡罗来纳州拉扎尔。，功能性MRI数据的统计分析，（2008），纽约斯普林格·Zbl 1312.62004号
[42] Lee，K。；琼斯·G。；Caffo，B。；Bassett，S.，功能磁共振成像时间序列数据的空间贝叶斯变量选择模型，贝叶斯分析, 9, 699-732, (2014) ·Zbl 1327.62507号
[43] 李，F。；Zhang，N.，结构高维协变量空间中的贝叶斯变量选择及其在基因组学中的应用，美国统计协会杂志, 105, 1202-1214, (2010) ·Zbl 1390.62027号
[44] Lindquist，M.，功能磁共振成像数据的统计分析，统计科学, 23, 439-464, (2008) ·Zbl 1329.62296号
[45] Lindquist，M。；Loh，J。；阿特拉斯，L。；Wager，T.，fMRI中血流动力学响应函数建模：效率、偏差和错误建模，神经影像, 45, 187-198, (2009)
[46] Lindquist，医学硕士。；Xu，Y。；内贝尔，M.B。；Caffo，B.S.，评估静止状态fMRI中的动态双变量相关性：一项比较研究和一种新方法，神经影像, 101, 531-546, (2014)
[47] 刘，C。；盖茨，W。；朱，H，时变相干估计及其在理解大脑功能连通性中的应用，EURASIP信号处理进展杂志, (2010)
[48] Makni，S。；Idier，J。；Vincent，T。；蒂里昂，B。；Dehaene-Lambertz，G。；Ciuciu，P.，功能磁共振成像中脑活动基于部分检测的完全贝叶斯方法，神经成像, 41, 941-969, (2008)
[49] McKeown，M。；Makeig，S。；布朗，G。；Jung，T。；Kindermann，S。；贝尔，A。；Sejnowski，T.，通过盲分离独立空间分量对fMRI数据进行分析，人脑映射, 6, 160-188, (1998)
[50] Messe，A。；Rudrauf，D。；贝纳利，H。；Marrelec，G.，《人脑的相关结构和功能：解剖学、稳态动力学和非稳态的相对贡献》，PLOS计算生物学，10，e1003530，（2014）
[51] 尼尔·R·M·。，马尔可夫链蒙特卡罗手册，Mcmc使用哈密顿动力学，（2011）
[52] Nee，D.E。；Wager，T.D。；Jonides，J.，《干扰解决：神经成像任务荟萃分析的见解》，认知、情感和行为神经科学, 7, 1-17, (2007)
[53] 牛顿，医学硕士。；努埃里，A。；Sarkar，D。；Ahlquist，P.，用半参数分层混合法检测差异基因表达，生物统计学, 5, 155-176, (2004) ·Zbl 1096.62124号
[54] 帕特尔·R。；鲍曼，F。；Rilling，J.，确定人脑连接性的贝叶斯方法，人脑映射, 27, 267-276, (2006)
[55] 从听觉刺激fMRI确定层次功能网络，人脑映射, 27, 462-470, (2006)
[56] 彼得森，C。；Stingo，F.C。；Vannucci，M.，多高斯图形模型的贝叶斯推断，美国统计协会杂志, 110, 159-174, (2015) ·Zbl 1373.62106号
[57] Pircalabelu，E。；Claeskens，G。；贾法里，S。；Waldorp，L.，功能磁共振成像与高维数据连接中图形模型的聚焦信息标准，应用统计年鉴, 9, 2179-2214, (2015) ·Zbl 1397.62466号
[58] 波德拉克，R。；Mumford，J。；T·尼科尔斯，fMRI数据分析手册，（2011），纽约：剑桥大学出版社·兹比尔1321.92015
[59] Quirós，A。；迪兹，R。；Gamerman，D.，功能磁共振成像数据的贝叶斯时空模型，神经影像, 49, 442-456, (2010)
[60] 里卡多·佐藤，J。；阿玛罗，E。；Yasumasa-Takahashi，D。；de Maria，F。；布拉默，J。；Morettin，A.，在fMRI实验过程中使用基于小波的时变Granger因果关系生成进化功能连通图的方法，神经影像, 31, 187-196, (2006)
[61] Roverato，A.，不可分解图的超逆Wishart分布及其在高斯图形模型贝叶斯推断中的应用，斯堪的纳维亚统计杂志, 29, 391-411, (2002) ·Zbl 1036.62027号
[62] Scott，S.L.，隐马尔可夫模型的贝叶斯方法：21世纪的递归计算，美国统计协会杂志, 97, 337-351, (2002) ·Zbl 1073.65503号
[63] Shi，H。；王，X。；Yi，J。；朱，X。；张，X。；杨，J。；Yao，S.，首次治疗的幼稚型重度抑郁症患者在隐式情绪面孔处理过程中的默认模式网络改变，心理学前沿, 6, 1198, (2015)
[64] 史密斯，A.M。；刘易斯（B.K.Ruttimann Lewis）；叶福强。；辛维尔，T.M。；Yang，Y。；Duyn，J.H。；Frank，J.A.，fMRI信号低频漂移的研究，神经影像, 9, 526-533, (1999)
[65] 史密斯，M。；Fahrmeir，L.，空间贝叶斯变量选择及其在功能磁共振成像中的应用，美国统计协会杂志, 102, 417-431, (2007) ·Zbl 1134.62322号
[66] 史密斯，S.M。；Miller，K.L。；Salimi-Khorshidi，G。；韦伯斯特，M。；贝克曼，C.F。；Nichols，T.E。；Ramsey，J.D。；Woolrich，M.W.，功能磁共振成像的网络建模方法，神经影像, 54, 875-891, (2011)
[67] Stingo，F。；陈，Y。；Tadesse先生。；Vannucci，M.，《将生物信息纳入线性模型：路径和基因选择的贝叶斯方法》，应用统计年鉴, 5, 1978-2002, (2011) ·Zbl 1228.62150号
[68] Stingo，F。；Guindani，M。；Vannucci，M。；Calhoun，V.，成像遗传学的综合贝叶斯建模方法，美国统计协会杂志，108876-891，（2013）·Zbl 06224973号
[69] Stingo，F。；斯瓦茨，M。；Vannucci，M.，在癌症数据的遗传分析中识别基因和基因级SNP聚集体的贝叶斯方法，统计及其接口, 8, 137-151, (2015) ·Zbl 1405.62205号
[70] 乌丁·L·Q。；凯利，A。；比斯瓦尔，B.B。；卡斯特拉诺斯，F。；Milham，M.P.，默认模式网络组件的功能连通性：相关性、反相关性和因果关系，人脑映射, 30, 625-637, (2009)
[71] 瓦罗佐，G。；Gramfort，A。；Poline，J。；Thirion，B.，fMRI相关结构的马尔可夫模型：大脑功能连接是小世界还是可分解为网络？，巴黎生理学杂志, 106, 212-221, (2012)
[72] 瓦罗佐，G。；Gramfort，A。；Poline，J。；蒂里昂，B。；泽梅尔，R。；Shawe-Taylor，J.，脑协方差选择：使用人口先验的更好的个体功能连接模型，神经信息处理系统的研究进展, 2334-2342, (2010)
[73] Wager，T.D。；西尔维斯特，C.-Y.C。；南卡罗来纳州莱西。；Nee，D.E。；富兰克林，M。；Jonides，J.，功能磁共振成像揭示的反应抑制的常见和独特成分，神经影像, 27, 323-340, (2005)
[74] Wang，H。；Li，S.，{\textit下的高效高斯图形模型确定G公司}-Wishart先验分布，电子统计杂志, 6, 168-198, (2012) ·Zbl 1335.62069号
[75] Woolrich，M.，功能磁共振成像中的贝叶斯推断，神经影像, 62, 801-810, (2012)
[76] Xu，Y。；Lindquist，M.A.，《动态连接检测：确定功能磁共振成像数据中功能连接变化点的算法》，神经科学前沿, 9, (2015)
[77] 于清。；隋，J。；刘杰。；普林斯，S。；Kiehl，K。；Pearlson，G。；Calhoun，V.，精神分裂症患者静息状态脑网络的低频功率和连接强度之间的相关性中断，精神分裂症研究, 143, 165-171, (2013)
[78] 于，Z。；普拉多，R。；E.昆兰。；Cramer，S。；Ombao，H.，《理解中风对大脑运动功能的影响：分层贝叶斯方法》，美国统计协会杂志, 111, 549-563, (2016)
[79] 扎莱斯基，A。；Fornito，A。；Bullmore，E.，关于使用相关性作为网络连通性的度量，神经影像, 60, 2096-2106, (2012)
[80] Zalesky，A。；Fornito，A。；哈丁，I.H。；Cocchi，L。；Yucel，M。；Pantelis，C。；Bullmore，E.T.，《全脑解剖网络：节点的选择重要吗？》？，神经影像, 50, 970-983, (2010)
[81] 张，L。；Guindani，M。；Vannucci，M.，功能磁共振成像数据分析的贝叶斯模型，WIRE计算统计, 7, 21-41, (2015)
[82] 张，L。；Guindani，M。；范思哲，F。；Engelmann，J。；Vannucci，M.，多主体fMRI数据的时空非参数贝叶斯模型，应用统计年鉴，10638-66，（2016）·Zbl 1400.62299号
[83] 张，L。；Guindani，M。；范思哲，F。；Vannucci，M.，用于聚类相关时间进程的fMRI数据的时空非参数贝叶斯变量选择模型，神经影像, 95, 162-175, (2014)
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。