Large-scale sparse functional networks from resting state fMRI.
Large-scale sparse functional networks from resting state fMRI.
复制标题
来自静止状态fMRI的大规模稀疏功能网络。
DOI：
10.1016/j.neuroimage.2017.05.004
复制
发表时间：
2017-08-01
期刊：
影响因子：
5.7
通讯作者：
Fan Y
中科院分区：
文献类型：
--
作者：
Li H;Satterthwaite TD;Fan Y
从静息状态的功能磁共振数据中勾画大规模功能网络(FN)已成为神经科学中探索脑功能组织的标准工具。然而，现有的方法牺牲了特定于对象的差异，以保持组级别分析所需的跨对象对应。为了获得在不同受试者之间具有可比性的特定于受试者的FN，现有的大脑分解技术通常采用启发式策略或假设受试者之间的FN的特定统计分布，因此可能产生有偏见的结果。在这里，我们提出了一种新的数据驱动的方法来检测特定于主题的FN，同时建立组级别的对应关系。我们的方法同时计算由组稀疏性规则化的一组主题的主题特定的模糊神经网络，以生成空间稀疏的、跨主题共享共同空间模式的主题特定的模糊神经网络。我们的方法建立在非负矩阵分解技术的基础上，通过数据局部正则化项来增强分解，使分解对成像噪声具有健壮性，并提高了特定于对象的FN的空间光滑性和功能一致性。我们的方法还采用了自动相关性确定技术来消除冗余的模糊神经网络，以生成紧凑的信息稀疏模糊神经网络集。我们基于模拟的、任务的和静息状态的fMRI数据集验证了我们的方法。实验结果表明，我们的方法可以获得特定于受试者的、稀疏的、非负的FN，并提高了功能连贯性，为表征个体大脑的功能提供了增强的能力。
Delineation of large-scale functional networks (FNs) from resting state functional MRI data has become a standard tool to explore the functional brain organization in neuroscience. However, existing methods sacrifice subject specific variation in order to maintain the across-subject correspondence necessary for group-level analyses. In order to obtain subject specific FNs that are comparable across subjects, existing brain decomposition techniques typically adopt heuristic strategies or assume a specific statistical distribution for the FNs across subjects, and therefore might yield biased results. Here we present a novel data-driven method for detecting subject specific FNs while establishing group level correspondence. Our method simultaneously computes subject specific FNs for a group of subjects regularized by group sparsity, to generate subject specific FNs that are spatially sparse and share common spatial patterns across subjects. Our method is built upon non-negative matrix decomposition techniques, enhanced by a data locality regularization term that makes the decomposition robust to imaging noise and improves spatial smoothness and functional coherences of the subject specific FNs. Our method also adopts automatic relevance determination techniques to eliminate redundant FNs in order to generate a compact set of informative sparse FNs. We have validated our method based on simulated, task fMRI, and resting state fMRI datasets. The experimental results have demonstrated our method could obtain subject specific, sparse, non-negative FNs with improved functional coherence, providing enhanced ability for characterizing the functional brain of individual subjects.
登录
查看更多内容
DOI：
10.1073/pnas.0504136102
发表时间：
2005-07-05
影响因子：
11.1
作者：
Fox, MD;Snyder, AZ;Raichle, ME
通讯作者：
Raichle, ME
影响因子：
5.7
作者：
Harrison SJ;Woolrich MW;Robinson EC;Glasser MF;Beckmann CF;Jenkinson M;Smith SM
通讯作者：
Smith SM
影响因子：
5.7
作者：
Calhoun, VD;Adali, T;Pearlson, GD
通讯作者：
Pearlson, GD
影响因子：
2.7
作者：
CARPANETO, G;TOTH, P
通讯作者：
TOTH, P
DOI：
10.1073/pnas.0903525106
发表时间：
2009-06-30
影响因子：
11.1
作者：
Daubechies, I.;Roussos, E.;Haxby, J.
通讯作者：
Haxby, J.