Hodge Laplacian of Brain Networks
Hodge Laplacian of Brain Networks
复制标题
DOI：
10.1109/tmi.2022.3233876
复制
发表时间：
2021-10
影响因子：
10.6
通讯作者：
D. Anand;M. Chung
中科院分区：
文献类型：
--
作者：
D. Anand;M. Chung
大脑网络中的闭环或循环嵌入了高阶信号传输路径，这为大脑的功能提供了基本的见解。在这项工作中，我们提出了一种有效的算法，用于系统识别和循环建模使用持久同调和霍奇拉普拉斯算子。开发了关于周期的各种统计推断程序。我们通过模拟验证了我们的方法，并将其应用于通过静息状态功能磁共振成像获得的脑网络。霍奇拉普拉斯函数的计算机代码见https://github.com/laplcebeltrami/hodge。
The closed loops or cycles in a brain network embeds higher order signal transmission paths, which provide fundamental insights into the functioning of the brain. In this work, we propose an efficient algorithm for systematic identification and modeling of cycles using persistent homology and the Hodge Laplacian. Various statistical inference procedures on cycles are developed. We validate the our methods on simulations and apply to brain networks obtained through the resting state functional magnetic resonance imaging. The computer codes for the Hodge Laplacian are given in https://github.com/laplcebeltrami/hodge.