×
布莱恩·哈特;史蒂芬·马龙;马克·费卡斯

双胞胎多变量静态脑电图微观状态分析的分组β过程模型。 （英语。法语摘要） Zbl 07759570号

可以。J.统计。 49，编号1，89-106（2021）.
小结：EEG微观状态分析研究了表征大脑电活动的不同时间块的集合。每个微观状态下的大脑活动是稳定的，但活动在不同的微观状态之间以非随机的方式迅速切换。我们提出了一个贝叶斯非参数模型，该模型可以同时估计微观状态的数量及其潜在行为。我们使用马尔可夫切换向量自回归（VAR）框架，其中隐马尔可夫模型（HMM）控制EEG活动的非随机状态切换动力学，VAR模型定义给定状态内所有时间点的行为。我们分析了通过明尼苏达州双胞胎家庭研究收集的双胞胎的静止状态脑电图数据，每个参与者包含70个时间点，其中每个时间点对应2秒的脑电图数据。我们在双胞胎水平上拟合我们的模型，在同一参与者的各个时期内以及同一双胞胎的各个时期中共享信息。我们使用印度自助餐流程，在双通道相似性中捕获，以考虑无限的微观状态库，允许每个参与者从该库中选择有限数量的状态。高度相似双胞胎的状态空间可能完全重叠，而异类双胞胎可以选择不同的状态空间。这样，我们的贝叶斯非参数模型定义了描述EEG数据的稀疏状态集。来自单个参与者的所有时代都使用相同的状态集，并且假设在HMM模型中遵循相同的状态切换动力学，从而加强参与者之间的相似性。
{©2021加拿大统计学会}

MSC公司：

62至XX 统计

关键词：

贝叶斯非参数;微观状态分析;开关VAR;时间序列

软件：

萨尔索
PDF格式BibTeX公司 XML格式引用
\textit｛B.Hart｝等人，Can。J.Stat.49，No.1，89--106（2021；Zbl 07759570）
全文： 内政部

参考文献：

[1] Andreou，C.、Faber，P.L.、Leicht，G.、Schoettle，D.、Polomac，N.、Hanganu‐Opatz，I.L.，Lehmann，D.和Mulert，C.（2014）。精神分裂症前驱期的静息状态连接性：来自EEG微观状态的见解。精神分裂症研究，152，513-520。
[2] Betzel，R.F.、Erickson，M.A.、Abell，M.、O'Donnell，B.F.、Hetrick，W.P.和Sporns，O.（2012年）。静止脑电图中网络状态储备的同步动力学和证据。计算神经科学前沿，6，74。
[3] Dahl，D.B.（2005）。共轭和非共轭Dirichlet过程混合物模型的顺序分配合并-分离采样器。计算与图形统计杂志，11（1），6。
[4] Dahl，D.B.（2020年）。salso：顺序分配潜在结构优化。R包版本0.1.16。
[5] Fox，E.、Sudderth，E.、Jordan，M.和Willsky，A.（2010年）。学习马尔可夫切换过程的贝叶斯非参数方法。IEEE信号处理杂志，27（6），43-54。
[6] Fox，E.、Sudderth，E.B.、Jordan，M.I.和Willsky，A.S.（2011年A）。切换动态线性模型的贝叶斯非参数推断。IEEE信号处理汇刊，59（4），1569-1585。
[7] Fox，E.B.、Hughes，M.C.、Sudderth，E.B.和Jordan，M.I.（2014）。通过beta过程对多个时间序列进行联合建模，并应用于运动捕捉分割。应用统计年鉴，8（3），1281-1313·Zbl 1303.62048号
[8] Fox，E.B.、Sudderth，E.B.，Jordan，M.I.和Willsky，A.S.（2011年B）。一个粘性hdp‐hmm，应用于说话人日记。应用统计年鉴，5（2A），1020-1056·Zbl 1232.62077号
[9] Fu，Y.，Ma，Z.，Hamilton，C.，Liang，Z..，Hou，X..，Ma.，X.，Hu，X.、He，Q.、Deng，W.、Wang，Y.、Zhao，L.、Meng，H.、Li，T.和Zhang，N.（2015）。基因对静息状态功能网络的影响：一项双生子研究。人脑绘图，36（10），3959-3972。
[10] Ge，T.、Holmes，A.J.、Buckner，R.L.、Smoller，J.W.和Sabuncu，M.R.（2017）。重复测量的遗传性分析及其在静息状态功能连通性中的应用。《美利坚合众国国家科学院院刊》，114（21），5521-5526。
[11] Ghahramani，Z.和Griffiths，T.L.（2005）。无限潜在特征模型和印度自助餐流程。《神经信息处理系统的进展》，第18卷，Y.Weiss（编辑）、B.Schölkopf（编）和J.C.Platt（编辑），编辑。神经信息处理系统基金会，纽约州Red Hook，第475-482页。
[12] Hughes，M.C.、Stephenson，W.T.和Sudderth，E.（2015）。非参数隐马尔可夫模型状态复杂度的可伸缩适应。《神经信息处理系统进展》，第28卷，C.Cortes（编辑）、N.D.Lawrence（编者）、D.D.Lee（编辑），M.Sugiyama（编辑）和R.Garnett（编辑）编辑。神经信息处理系统基金会，纽约州Red Hook，第1198-1206页。
[13] Hutchison，R.M.、Womelsdorf，T.、Allen，E.A.、Bandettini，P.A.、Calhoun，V.D.、Corbetta，M.、Della Penna，S.、Duyn，J.H.、Glover，G.H.，Gonzalez‐Castillo，J.、Handwerker，D.A.、Keilholz，S.，Kiviniemi，V..、Leopold，D.A.，de Pasquale，F.、Sporns，O.、Walter，M.和Chang，C.（2013）。动态功能连接：承诺、问题和解释。神经影像，80，360‐378。
[14] Iacono，W.G.、Carlson，S.R.、Taylor，J.、Elkins，I.J.和McGue，M.（1999）。行为去抑制与物质使用障碍的发展：明尼苏达州双胞胎家庭研究的结果。发展与精神病理学，11（4），869-900。
[15] Jain，S.&Neal，R.M.（2004）。Dirichlet过程混合模型的分裂合并马尔可夫链蒙特卡罗程序。计算与图形统计杂志，13（1），158-182。
[16] Johnson，M.J.和Willsky，A.S.（2013）。贝叶斯非参数隐半马尔可夫模型。机器学习研究杂志，14673-701·Zbl 1320.62050
[17] Khanna，A.、Pascual‐Leone，A.、Michel，C.M.和Farzan，F.（2015）。静息状态脑电图中的微状态：当前状态和未来方向。《神经科学与生物行为评论》，49，105-113。
[18] Koenig，T.、Prichep，L.、Lehmann，D.、Sosa，P.V.、Braeker，E.、Kleinlogel，H.、Isenhart，R.和John，E.R.（2002年）。毫秒/毫秒，逐年：正常脑电图微观状态和发育阶段。Neuorimage，16（1），41-48。
[19] Lehmann，D.、Faber，P.L.、Galderisi，S.、Herrmann，W.M.、Kinoshita，T.、Koukkou，M.、Mucci，A.、Pascual‐Marqui，R.D.、Saito，N.、Wackermann，J.、Winterer，G.和Koenig，T.（2005）。急性、药物治疗初期首发精神分裂症的脑电图微状态持续时间和句法：一项多中心研究。精神病学研究：神经成像，138（2），141-156。
[20] Lehmann，D.、Ozaki，H.和Pal，I.（1987年）。脑电阿尔法图系列：通过面向空间的自适应分割实现脑微状态。脑电图与临床神经生理学，67（3），271-288。
[21] Lehmann，D.、Strik，W.、Henggeler，B.、Koenig，T.和Koukkou，M.（1998年）。脑电微状态和瞬间意识状态是自发思维的基石：I.视觉图像和抽象思维。国际心理生理学杂志，29（1），1-11。
[22] Pluta，D.、Yu，Z.、Shen，T.、Chen，C.、Xue，G.和Ombao，H.（2018年）。连接体遗传学的统计方法和挑战。统计与概率快报，136，83-86·Zbl 1463.62333号
[23] Scott，S.L.（2002）。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（457），337-351·兹比尔1073.65503
[24] Stevens，A.&Kircher，T.（1998年）。与正常年龄不同，认知衰退与EEG时空特征的改变有关。欧洲精神病学和临床神经科学档案，248（5），259-266。
[25] Vidaurre，D.、Smith，S.M.和Woolrich，M.W.（2017年）。脑网络动力学是按时间层次组织的。《美利坚合众国国家科学院院刊》，114（48），12827-12832。
[26] Watanabe，S.&Opper，M.（2010年）。贝叶斯交叉验证的渐近等价性和奇异学习理论中广泛适用的信息准则。机器学习研究杂志，11（12），3571-3594·Zbl 1242.62024号
[27] West，M.&Harrison，J.（2006年）。贝叶斯预测和动态模型，第二版，施普林格科学与商业媒体，纽约。
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。