Bayesian vector autoregressive model for multi-subject effective connectivity inference using multi-modal neuroimaging data.
Bayesian vector autoregressive model for multi-subject effective connectivity inference using multi-modal neuroimaging data.
复制标题
DOI：
10.1002/hbm.23456
复制
发表时间：
2017-03
影响因子：
4.8
通讯作者：
Vannucci M
中科院分区：
文献类型：
--
作者：
Chiang S;Guindani M;Yeh HJ;Haneef Z;Stern JM;Vannucci M
本文提出了一种基于静息状态功能磁共振数据的多主体向量自回归(VAR)建模方法，用于推断有效连通性。他们的框架使用贝叶斯变量选择方法，以允许在主体和组级别对有效连通性进行同时推理。此外，它通过将结构成像信息整合到先前模型中来考虑多模式数据，鼓励结构连接区域之间的有效连接。他们通过模拟研究证明，与目前使用的方法相比，他们的方法在对象和组级别的有效连通性方面的推断都有所改进。通过对颞叶癫痫数据的分析说明，提出了利用静息状态功能磁共振成像和结构磁共振成像的方法。
In this article a multi-subject vector autoregressive (VAR) modeling approach was proposed for inference on effective connectivity based on resting-state functional MRI data. Their framework uses a Bayesian variable selection approach to allow for simultaneous inference on effective connectivity at both the subject- and group-level. Furthermore, it accounts for multi-modal data by integrating structural imaging information into the prior model, encouraging effective connectivity between structurally connected regions. They demonstrated through simulation studies that their approach resulted in improved inference on effective connectivity at both the subject- and group-level, compared with currently used methods. It was concluded by illustrating the method on temporal lobe epilepsy data, where resting-state functional MRI and structural MRI were used.
登录
查看更多内容
DOI：
10.1523/jneurosci.1929-08.2008
发表时间：
2008-09-10
期刊：
The Journal of neuroscience : the official journal of the Society for Neuroscience
影响因子：
--
作者：
Bassett DS;Bullmore E;Verchinski BA;Mattay VS;Weinberger DR;Meyer-Lindenberg A
通讯作者：
Meyer-Lindenberg A
图理论指标在功能连通性分析中的时间依赖性。
影响因子：
5.7
作者：
Chiang S;Cassese A;Guindani M;Vannucci M;Yeh HJ;Haneef Z;Stern JM
通讯作者：
Stern JM
影响因子：
3.7
作者：
Felleman, Daniel J.;Van Essen, David C.
通讯作者：
Van Essen, David C.
DOI：
10.1016/j.clinph.2014.04.004
发表时间：
2014-07
期刊：
Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology
影响因子：
--
作者：
Chiang S;Haneef Z
通讯作者：
Haneef Z
影响因子：
1.9
作者：
Cassese A;Guindani M;Antczak P;Falciani F;Vannucci M
通讯作者：
Vannucci M