×
劳伦斯·R·弗兰克。;维塔利·加林斯基。

熵场分解检测静息状态脑活动的动态多尺度模式。 （英语） Zbl 1414.92165号

神经计算。 28，第9期，1769-1811（2016）.
摘要：功能性磁共振成像（fMRI）能够在没有外加刺激的情况下无创测量大脑活动的波动，这为识别大脑静息状态下的功能网络提供了可能。然而，从这些信号波动中重建大脑网络是一个巨大的挑战，因为它们通常是非线性和非因果的，并且可能在空间和时间范围上重叠。此外，由于没有明确的输入刺激，因此没有信号模型来比较大脑的反应。已经设计了多种技术来解决这个问题，但主要的方法是基于复杂脑信号参数的统计特性的预设，这是无法证明的，但有助于分析。在本文中，我们使用一种新方法来解决这个问题，熵场分解，用于估计时空数据中的结构。此方法基于一般信息场——贝叶斯概率理论的理论公式，包含先验耦合信息，允许枚举最可能的参数配置，而无需不合理的统计假设。这种方法有助于直接从数据的时空相关性结构构建大脑激活模式。然后，这些模式及其相关的时空相关结构可以用于生成时空活动概率轨迹，称为功能连接通路，它提供了功能性脑网络的特征。

引用于2文件

MSC公司：

92 C55 生物医学成像和信号处理
92B20型 生物研究、人工生命和相关主题中的神经网络

关键词：

静息状态脑活动;熵场分解;功能磁共振成像;功能性脑网络

软件：

调情;FSL公司;签证;AFNI公司
PDF格式BibTeX公司 XML格式引用
\textit{L.R.Frank}和\textit{V.L.Galinsky}，神经计算。28，第9号，1769--1811（2016；Zbl 1414.92165）
全文： DOI程序

参考文献：

[1] Beckmann，C.F.和Smith，S.M.（2004）。功能磁共振成像的概率独立成分分析。IEEE传输。医学成像，23（2），137-152，
[2] Bell，A.和Sejnowski，T.（1995）。盲分离和盲反褶积的信息最大化方法。神经计算。，7(6), 1129-1159. ,
[3] Bijma，F.、de Munck，J.C.和Heethaar，R.M.（2005）。建模为Kronecker乘积之和的时空MEG协方差矩阵。《神经影像》，27（2），402-415，
[4] Biswal，B.、Yetkin，F.、Haughton，V.和Hyde，J.（1995）。利用回波平面MRI研究静息人脑运动皮层的功能连通性。Reson公司。医学，34，537-541，
[5] Buckner，R.和Vincent，J.（2007年）。静止不安：默认活动和自发网络关联。神经影像学，37，1091-1096，
[6] Burda，Z.、Duda，J.、Luck，J.和Waclaw，B.（2009年）。最大熵随机游动的局部化。物理学。修订稿。，102(16), 160602. , ·Zbl 1371.82043号
[7] Buxton，R.B.和Frank，L.R.（1997）。神经刺激期间脑血流与氧代谢耦合模型。J.塞雷布。Blood F.Met，17（1），64-72，
[8] Buxton，R.B.、Uludağ，K.、Dubowitz，D.和Liu，T.T.（2004年）。对大脑激活的血液动力学反应建模。神经影像，23，S220-S233，
[9] Buxton，R.B.、Wong，E.C.和Frank，L.R.（1998）。大脑激活期间的血流动力学和氧合变化：气球模型。Magn.公司。Reson公司。医学，39，855-864，
[10] Calhoun，V.D.、Adali，T.、Pearlson，G.D.和Pekar，J.J.（2001）。包含一对任务相关波形的功能性MRI数据的时空独立分量分析。人脑绘图，13（1），43-53，
[11] Calhoun，V.D.、Potluru，V.K.、Phlypo，R.、Silva，R.F.、Pearlmutter，B.A.、Caprihan，A.…Adali，T.（2013）。脑FMRI的独立成分分析确实选择了最大的独立性。公共科学图书馆一期，8（8），1-8，
[12] Chang，C.和Glover，G.H.（2009年）。基于模型的生理噪声校正对默认模式网络反相关和相关性的影响。《神经影像》，47（4），1448-1459，
[13] Chang，C.和Glover，G.H.（2010年）。用fMRI测量静止状态大脑连通性的时频动力学。神经影像，50（1），81-98，
[14] Childs，H.、Brugger，E.、Whitlock，B.、Meredith，J.、Ahern，S.、Pugmire，D.…Navrátil，P.（2012）。VisIt：用于可视化和分析超大数据的最终用户工具。E.Bethel、H.Childs和C.Hansen（编辑），《高性能可视化：实现极端规模的科学洞察力》（第357-372页）。佛罗里达州博卡拉顿：CRC出版社，
[15] Christakos，G.（1991年）。关于时空随机场的某些类别及其在时空数据处理中的应用。IEEE系统、人与控制论汇刊，21（4），861-875·Zbl 0737.60041号
[16] Comon，P.（1994年）。独立成分分析，一个新概念？信号处理。，36(3), 287-314. , ·Zbl 0791.62004号
[17] Cox，R.（1996）。AFNI：功能磁共振神经图像分析和可视化软件。公司。生物识别。第29号决议，第162-173页。网址：http://afni.nimh.nih.gov,
[18] Daubechies，I.、Roussos，E.、Takerkart，S.、Benharrosh，M.、Golden，C.、D'Ardenne，K.、…Haxby，J.（2009）。脑功能磁共振成像的独立成分分析没有选择独立性。P.国家。阿卡德。科学。美国，106（26），10415-10422，
[19] Ding，Z.、Newton，A.T.、Xu，R.、Anderson，A.W.、Morgan，V.L.和Gore，J.C.（2013）。时空相关张量揭示了人脑的功能结构。《公共科学图书馆·综合》，8（12），e82107，
[20] Enslin，T.A.和Frommert，M.（2011年）。参数不确定性信息场理论中未知谱信号的重构。物理学。版次D，83，105014，
[21] Ensslin，T.A.、Frommert，M.和Kitaura，F.S.（2009年）。宇宙扰动重建和非线性信号分析的信息场理论。物理学。版次D，80（10），105005，
[22] Ensslin，T.A.和Weig，C.（2010年）。信息场理论中吉布斯自由能最小的推论。物理学。版本E，82（5），051112，
[23] Fiecas，M.、Ombao，H.、van Lunen，D.、Baumgartner，R.、Coimbra，A.和Feng，D.（2013）。量化时间相关性：静止状态fMRI中功能连接的重测评估。神经影像，65，231-241，
[24] Fox，M.D.和Raichle，M.E.（2007年）。功能性磁共振成像观察到大脑活动的自发波动。《自然评论神经科学》，8（9），700-711，
[25] Frank，L.R.和Galinsky，V.L.（2014）。无序晶格中的信息通路。物理学。版本E，89，032142，
[26] Frank，L.R.、Galinsky，V.L.和Wurman，J.M.（2015）。熵场分解检测到的移动多普勒雷达数据中龙卷风成因的特征。提交出版的手稿。
[27] Fransson，P.和Marrelec，G.（2008年）。楔前叶/后扣带回皮层在默认模式网络中起着关键作用：来自部分相关网络分析的证据。神经影像，42，1178-1184，
[28] Frommert，M.和Ensslin，T.A.（2009年）。用极化消除原始温度波动：宇宙结构印记的最佳检测。周一。不是。R.阿斯顿。社会学，395（4），1837-1844，
[29] Frommert，M.和Ensslin，T.A.（2010年）。邪恶轴心——两极分化的观点。周一。不是。R.阿斯顿。社会学，403（4），1739-1748，
[30] Galinsky，V.L.和Frank，L.R.（2015）。熵谱路径指导下的同步多尺度扩散估计和轨迹描记。IEEE传输。医学图像。，34(5), 1177-1193. ,
[31] Ghil，M.，Allen，M.R.，Dettinger，M.D.，Ide，K.，Kondrashov，D.，Mann，M.E.，…Yiou，P.（2002）。气候时间序列的高级谱方法。地球物理学评论，40（1），3.1-3.4.1，
[32] Glover，G.H.，Li，T.Q.和Ress，D.（2000年）。fMRI生理运动效应回顾性校正的基于图像的方法：RETROICOR。Magn.公司。Reson公司。医学，44（1），162-167，
[33] Greicius，M.、Krasnow，B.、Reiss，A.和Menon，V.（2003）。静息大脑中的功能连通性：默认模式假设的网络分析。程序。国家。阿卡德。科学。，100, 253-258. ,
[34] Heine，L.、Soddu，A.、Gómez，F.、Vanhaudenhuyse，A.、Tshibanda，L.和Thonnard，M.…Demertzi，A.（2012）。静息状态网络和意识：生理、药理和病理意识状态下多个静息状态的网络连接的改变。心理学前沿，3,1-12，
[35] Hyvarinen，A.和Oja，E.（2000年）。独立成分分析：算法和应用。神经网络，13（4-5），411-430，
[36] Jaynes，E.（1957a）。信息论和统计力学。物理学。修订版，106（4），620-630·Zbl 0084.43701号
[37] Jaynes，E.（1957b）。信息论和统计力学。二、。物理学。修订版，108（2），171·Zbl 0084.43701号
[38] Jenkinson，M.、Bannister，J.M.、Brady，P.和Smith，S.（2002年）。经过改进的优化，可实现大脑图像稳健、准确的线性配准和运动校正。神经影像，17（2），825-841，
[39] Jenkinson，M.、Beckmann，C.、Behrens，T.、Woolrich，M.和Smith，S.（2012年）。FSL。神经影像，62782-790。网址：http://fsl.fmrib.ox.ac.uk,
[40] 卡拉哈诺·卢，F.I.，Caballero-Gaudes，C.，Lazeyras，F.和Van De Ville，D.（2013）。总激活：通过时空正则化进行fMRI反褶积。神经影像学，73，121-134，
[41] 卡拉哈诺卢，F.I.和范德维尔，D.（2015）。短暂的大脑活动从空间和时间重叠网络的角度解开fMRI静止状态动力学。《自然通讯》，67751，
[42] Kolcinsky，A.、Van Den Heuvel，M.P.、Griffa，A.、Hagmann，P.、Rocha，L.、Sporns，O.和Goni，J.（2014）。静息状态下大脑活动的多尺度整合和可预测性。神经信息学前沿，8，1-15，
[43] Lamus，C.、Haemaelaeinen，M.S.、Temereanca，S.、Brown，E.N.和Purdon，P.L.（2012）。MEG逆问题的时空动态分布式解。《神经影像》，63（2），894-909，
[44] Lee，M.H.、Hacker，C.D.、Snyder，A.Z.、Corbetta，M.、Zhang，D.和Shimony，J.S.（2012）。静止状态网络的聚类。《公共科学图书馆·综合》，7（7），1-12。
[45] Logothetis，N.K.、Pauls，J.、Augath，M.、Trinath，T.和Oltermann，A.（2001）。fMRI信号基础的神经生理学研究。《自然》，412（6843），150-157，
[46] Lowe，M.、Mock，B.和Sorenson，J.（1998）。使用静止状态波动的单层和多层回声平面成像中的功能连通性。《神经影像》，第7期，第119-132页，
[47] McKeown，M.J.、Makeig，S.、Brown，G.G.、Jung，T.P.、Kindermann，S.S.、Bell，A.J.和Sejnowski，T.J.（1998）。通过盲分离成独立的空间分量来分析fMRI数据。科学，6（3），160-188。
[48] Min，W.，&Wynter，L.（2011）。具有时空相关性的实时道路交通预测。交通研究第C部分——新兴技术，19（4），606-616，
[49] Plaut，G.和Vautard，R.（1994年）。北半球低频振荡和天气状况的魔力。大气科学杂志，51（2），210-236，
[50] Plis，S.、George，J.、Jun，S.，Paré-Blagoev，J.，Ranken，D.、Wood，C.和Schmidt，D.（2007年）。建模脑磁图或脑电图源分析的时空协方差。物理评论E，75（1），011928，
[51] Shehzad，Z.，Kelly，A.M.C.，Reiss，P.T.，Gee，D.G.，Gotimer，K.，Uddin，L.Q.，…Milham，M.P.（2009）。休息的大脑：不受约束但可靠。大脑皮层，19（10），2209-2229。http://cercor.oxfordjournals.org/content/19/10/2209.摘要,
[52] Smith，S.M.、Beckmann，C.F.、Andersson，J.、Auerbach，E.J.、Bijsterbosch，J.和Douaud，G.……财团，F.t.W.-M.H.（2013）。人类连接体项目中的静态fMRI。神经影像，80（C），144-168，
[53] Tian，L.、Kong，Y.、Ren，J.、Varoquaux，G.、Zang，Y.和Smith，S.M.（2013）。静止状态FMRI ICA的时空特征：反应抑制背景下的定量和定性研究。公共科学图书馆一期，8（6），1-12，
[54] Tononi，G.、Sporns，O.和Edelman，G.M.（1994）。大脑复杂性的测量：神经系统中的相关功能分离和整合。程序。国家。阿卡德。科学。，91(11), 5033-5037. ,
[55] Uhl，C.、Friedrich，R.和Haken，H.（1993）。复杂系统时空信号的重建。Zeitschrift für Physik B凝聚态物质，92（2），211-219，
[56] Uhl，C.、Friedrich，R.和Haken，H.（1995）。复杂系统的时空信号分析。物理评论E，51（5），3890-3900，
[57] Varoquex，G.、Sadaghiani，S.、Pinel，P.、Kleinschmidt，A.、Poline，J.-B.和Thirion，B.（2010年）。fMRI数据集上稳定的多受试者ICA的组模型。神经影像，51，288-299，
[58] Wallace，J.M.、Smith，C.和Bretherton，C.S.（1992年）。冬季海面温度和500-MB高度异常的奇异值分解。气候杂志，5（6），561-576，
[59] Wang，J.-H.，Zuo，X.-N.，Gohel，S.，Milham，M.P.，Biswal，B.B.，&He，Y.（2011）。功能性脑网络的图论分析：短期和长期静息状态功能性MRI数据的重测评估。公共科学图书馆一期，6（7）。
[60] Wong，C.W.、Olafsson，V.、Tal，O.和Liu，T.T.（2013）。静止状态fMRI全局信号的振幅与EEG警戒措施有关。神经影像，83，983-990，
[61] Yeo，B.T.T.，Krienen，F.M.，Sepulcre，J.，Sabuncu，M.R.，Lashkari，D.，Hollinshed，M.，…Buckner，R.L.（2011）。通过内在功能连通性估计的人类大脑皮层的组织。神经生理学杂志，106（3），1125-1165。https://surfer.nmr.mgh.harvard.edu/fswiki/CorticalParcellation-Yeo2011,
[62] Zuo，X.N.，Di Martino，A.，Kelly，C.，Shehzad，Z.E.，Gee，D.G.，Klein，D.F.，…Milham，M.P.（2010）。摆动的大脑：复杂而可靠。《神经影像》，49（2），1432-1445，
[63] Zuo，X.-N.，Kelly，C.，Adelstein，J.S.，Klein，D.F.，Castellanos，F.X.，&Milham，M.P.（2010）。可靠的内在连接性网络：使用ICA和双重回归方法进行测试-再测试评估。《神经影像》，49（3），2163-2177，
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。