Topological Learning and Its Application to Multimodal Brain Network Integration.
Topological Learning and Its Application to Multimodal Brain Network Integration.
复制标题
拓扑学习及其在多通道脑网络集成中的应用。
DOI：
10.1007/978-3-030-87196-3_16
复制
发表时间：
2021-09
期刊：
影响因子：
--
通讯作者：
Chung M
中科院分区：
文献类型：
--
作者：
Songdechakraiwut T;Shen L;Chung M
多模态脑网络分析中的一个长期挑战是将从扩散和功能MRI获得的拓扑不同的脑网络整合到一个连贯的统计框架中。现有的多模态框架不可避免地会破坏网络的拓扑差异。在本文中，我们提出了一种新的拓扑学习框架，通过持久同源性集成不同拓扑结构的网络。这种具有挑战性的任务是通过引入一种新的拓扑损失，绕过固有的计算瓶颈，从而使我们能够轻松地执行各种拓扑计算和优化。我们验证了广泛的统计模拟与地面真理的拓扑损失，以评估其有效性的判别网络。在许多可能的应用中，我们证明了拓扑损失在双胞胎成像研究中的多功能性，在该研究中，我们确定了大脑网络遗传的程度。
A long-standing challenge in multimodal brain network analyses is to integrate topologically different brain networks obtained from diffusion and functional MRI in a coherent statistical framework. Existing multimodal frameworks will inevitably destroy the topological difference of the networks. In this paper, we propose a novel topological learning framework that integrates networks of different topology through persistent homology. Such challenging task is made possible through the introduction of a new topological loss that bypasses intrinsic computational bottlenecks and thus enables us to perform various topological computations and optimizations with ease. We validate the topological loss in extensive statistical simulations with ground truth to assess its effectiveness of discriminating networks. Among many possible applications, we demonstrate the versatility of topological loss in the twin imaging study where we determine the extend to which brain networks are genetically heritable.
登录
查看更多内容
影响因子：
3.2
作者：
Xue W;Bowman FD;Pileggi AV;Mayer AR
通讯作者：
Mayer AR
影响因子：
5.7
作者：
Chiang MC;McMahon KL;de Zubicaray GI;Martin NG;Hickie I;Toga AW;Wright MJ;Thompson PM
通讯作者：
Thompson PM
影响因子：
4.6
作者：
Surampudi SG;Naik S;Surampudi RB;Jirsa VK;Sharma A;Roy D
通讯作者：
Roy D
影响因子：
5.7
作者：
Van Essen, D. C.;Ugurbil, K.;Auerbach, E.;Barch, D.;Behrens, T. E. J.;Bucholz, R.;Chang, A.;Chen, L.;Corbetta, M.;Curtiss, S. W.;Della Penna, S.;Feinberg, D.;Glasser, M. F.;Harel, N.;Heath, A. C.;Larson-Prior, L.;Marcus, D.;Michalareas, G.;Moeller, S.;Oostenveld, R.;Petersen, S. E.;Prior, F.;Schlaggar, B. L.;Smith, S. M.;Snyder, A. Z.;Xu, J.;Yacoub, E.
通讯作者：
Yacoub, E.
DOI：
10.1007/978-3-030-32391-2_5
发表时间：
2019-10
期刊：
Connectomics in neuroImaging : third International Workshop, CNI 2019, held in conjunction with MICCAI 2019, Shenzhen, China, October 13, 2019, Proceedings. CNI (Workshop) (3rd : 2019 : Shenzhen Shi, China)
影响因子：
--
作者：
Chung MK;Xie L;Huang SG;Wang Y;Yan J;Shen L
通讯作者：
Shen L