×

通过节点聚类的潜在距离模型对大脑连接数据进行空间建模。 (英语) Zbl 07260629号

小结:越来越多的人收集大脑网络数据,用于测量大脑感兴趣区域之间的结构互联。此外,最近的分析提供了有关研究中大脑区域的更多信息。这些预测因子通常包括区域的三维解剖坐标,以及它们对半球和叶的隶属度。尽管最近的研究已经探索了大脑网络背后的空间效应,但仍然缺乏对网络连接结构的统计分析,这不能用大脑区域的物理邻近性来解释。我们通过一个用于复制脑网络数据的预测相关潜在空间模型来回答这个问题,该模型通过一组具有混合高斯先验的潜在位置为网络连接架构提供了有意义的表示。该模型允许对解剖结构无法解释的脑网络模式进行灵活推断,并根据潜在空间中的局部相似性促进大脑区域之间的聚类。我们的发现为有趣地偏离解剖邻近结构的大脑区域子集之间的布线机制提供了新的见解。

MSC公司:

62-XX年 统计
68倍 计算机科学
PDF格式BibTeX公司 XML格式引用
全文: 内政部 链接

参考文献:

[1] E.M.Airoldi等人,混合成员随机块模型,J.Mach。学习。第9号决议(2008年),1981-2014年·Zbl 1225.68143号
[2] E.Bullmore和O.Sporns,《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(3) (2009), 186-198.
[3] E.Bullmore和O.Sporns,《大脑网络组织的经济》,《国家神经科学评论》。13 (2012), 336-349.
[4] H.Choi和J.Hobert,贝叶斯逻辑回归的Polya-Gamma-Gibbs采样器是一致遍历的,Electron。《J Stat.7》(2013年),2054-2064年·Zbl 1349.60123号
[5] R.Craddock等人,《宏观人类连接体成像》,《自然方法》第10期(2013年),第524-539页。
[6] S.D'Angelo、T.B.Murphy和M.Alfó,多维网络的潜在空间建模及其在欧洲电视台歌曲比赛中的投票交换应用,arXiv预印本:1803.071662018。
[7] R.Desikan等人,一种自动标记系统,用于将MRI扫描的人类大脑皮层细分为基于脑回的感兴趣区域,《神经影像》31(2006),968-980。
[8] D.Durante和D.B.Dunson,贝叶斯推理和大脑网络群体差异测试,贝叶斯分析。13(1) (2018), 29-58. ·Zbl 06873717号
[9] D.Durante、D.B.Dunson和J.T.Vogelstein,网络总体的非参数Bayes建模,《美国统计协会期刊》112(520)(2017),1516-1530。
[10] O.Frank和D.Strauss,《马尔可夫图》,《美国统计协会期刊》81(395)(1986),832-842·Zbl 0607.05057号
[11] A.E.Gelfand和A.F.Smith,《基于抽样的边际密度计算方法》,《美国统计协会期刊》第85卷(410页)(1990年),第398-409页·Zbl 0702.62020号
[12] A.Gelman、G.Roberts和W.Gilks,高效都市跳跃规则,贝叶斯统计5(42)(1996),599-608。
[13] A.Gelman等人,《使用冗余参数化拟合层次模型》,J.Compute。图表。《统计》第17(1)(2008)卷,第95-122页。
[14] A.Gelman等人,《贝叶斯数据分析》,CRC出版社,佛罗里达州博卡拉顿,2014年·Zbl 1332.62426号
[15] I.Gollini和T.B.Murphy,多网络视图的联合建模,J.Compute。图表。Stat.25(1)(2016),246-265。
[16] M.Handcock、A.Raftery和J.Tantrum,《基于模型的社交网络聚类》,J.R.Stat.Soc.A.Stat.Soc.170(2)(2007),301-354。
[17] P.Hoff,《对称关系数据中的同质性和随机等价建模》,摘自《神经信息处理系统的进展》,J.C.Platt、D.Koller、Y.Singer、S.T.Roweis,Eds.,麻省理工学院出版社,剑桥,2008年,657-664。
[18] P.Hoff、A.Raftery和M.Handcock,《社会网络分析的潜在空间方法》,《美国统计协会期刊》97(460)(2002),1090-1098·兹比尔1041.62098
[19] P.W.Holland、K.B.Laskey和S.Leinhardt,《随机块模型:第一步》,Soc.Netw。5(2) (1983), 109-137.
[20] D.R.Hunter、P.N.Krivitsky和M.Schweinberger,《社交网络模型的计算统计方法》,J.Compute。图表。《统计》第21(4)卷(2012年),第856-882页。
[21] P.Krivitsky和M.Handcock,用latentnet拟合网络的潜在聚类模型,J.Stat.Softw。24(5) (2008), 1-23.
[22] B.A.Landman等人,《多参数神经影像再现性:3-T资源研究》,《神经影像》54(4)(2011),2854-2866。
[23] K.Nowicki和T.A.B.Snijders,《随机块体结构的估算和预测》,《美国统计协会期刊》96(455)(2001),1077-1087·Zbl 1072.62542号
[24] P.Papastamoulis,标签切换:一种用于处理MCMC输出中标签切换问题的R包,J.Stat.Softw。69(1) (2016), 1-24.
[25] N.Polson、J.Scott和J.Windle,使用pólya-gamma潜在变量的逻辑模型贝叶斯推断,《美国统计协会期刊》108(504)(2013),1339-1349·Zbl 1283.62055号
[26] W.G.Roncal,et al.,MIGRAINE:连接组学的MRI图像可靠性分析和推断。信号和信息处理全球会议,IEEE,2013年,第313-316页。
[27] J.Rousseau和K.Mengersen,过量混合模型中后验分布的渐近行为,J.R.Stat.Soc.Series B Stat.Methodology 73(5)(2011),689-710·Zbl 1228.62034号
[28] M.Rubinov和O.Sporns,《大脑连接的复杂网络测量:使用和解释》,《神经影像》52(3)(2010),1059-1069。
[29] M.Salter-Townshend和T.H.McCormick,多视图网络数据的潜在空间模型,Ann.Appl。《美国联邦法律大全》第11(3)卷(2017年),第1217-1244页·Zbl 1380.62269号
[30] S.L.Simpson、S.Hayasaka和P.J.Laurienti,复杂大脑网络的指数随机图建模,《公共科学图书馆·综合》6(5)(2011),e20039。
[31] S.L.Simpson、M.N.Moussa和P.J.Laurienti,创建基于群体的指数随机图建模方法
[32] S.M.Smith等人,FMRI的网络建模方法,《神经影像》54(2)(2011),875-891。
[33] T.A.Snijders等人,指数随机图模型的新规范,社会学。Methodol公司。36(1) (2006), 99-153.
[34] O.孢子,复杂脑网络的结构和功能,对话临床。神经科学。15 (2013), 247-262.
[35] C.Stam,《神经疾病的现代网络科学》,《神经科学国家评论》。15 (2014), 683-695.
[36] M.Stanley等人,《定义复杂大脑网络中的节点》,Front。计算。神经科学。7 (2013), 1-14.
[37] M。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。