Large-scale probabilistic functional modes from resting state fMRI.
Large-scale probabilistic functional modes from resting state fMRI.
复制标题
DOI：
10.1016/j.neuroimage.2015.01.013
复制
发表时间：
2015-04-01
期刊：
影响因子：
5.7
通讯作者：
Smith SM
中科院分区：
文献类型：
--
作者：
Harrison SJ;Woolrich MW;Robinson EC;Glasser MF;Beckmann CF;Jenkinson M;Smith SM
这是公认的，它是可能的，观察自发的，高度结构化的，波动的人脑活动时，从功能磁共振成像（fMRI）的主题是“休息”。然而，以可解释的方式描述这种活动仍然是一个非常开放的问题。在本文中，我们介绍了一种方法来识别模式的相干活动，从静息状态的功能磁共振成像（rfMRI）数据。我们的模型的特点是一个模式的外产品的空间地图和时间过程中，受约束的性质之间的变化和血液动力学反应功能的影响。这是作为一个概率生成模型的变分框架内，允许贝叶斯推理，即使在voxelwise rfMRI数据。此外，使用这种方法可以推断出在空间和时间上彼此相关的不同扩展模式，我们认为这是神经科学所期望的。我们评估我们的模型的模拟数据和高质量的rfMRI数据从人类连接组项目的性能，并将其属性与空间和时间的独立成分分析（伊卡）。我们表明，我们的方法能够稳定地推断出具有复杂时空交互和受试者之间空间差异的模式集。我们介绍了一个概率模型的静息状态功能磁共振成像模式。我们的分层模型捕获受试者的变异性和血液动力学效应。我们说明了它的性能模拟数据和rfMRI数据从200名受试者。我们证明了我们的方法推断时空相互作用模式的能力。
It is well established that it is possible to observe spontaneous, highly structured, fluctuations in human brain activity from functional magnetic resonance imaging (fMRI) when the subject is ‘at rest’. However, characterising this activity in an interpretable manner is still a very open problem. In this paper, we introduce a method for identifying modes of coherent activity from resting state fMRI (rfMRI) data. Our model characterises a mode as the outer product of a spatial map and a time course, constrained by the nature of both the between-subject variation and the effect of the haemodynamic response function. This is presented as a probabilistic generative model within a variational framework that allows Bayesian inference, even on voxelwise rfMRI data. Furthermore, using this approach it becomes possible to infer distinct extended modes that are correlated with each other in space and time, a property which we believe is neuroscientifically desirable. We assess the performance of our model on both simulated data and high quality rfMRI data from the Human Connectome Project, and contrast its properties with those of both spatial and temporal independent component analysis (ICA). We show that our method is able to stably infer sets of modes with complex spatio-temporal interactions and spatial differences between subjects. We introduce a probabilistic model for modes in resting state fMRI. Our hierarchical model captures subject variability and haemodynamic effects. We illustrate its performance on simulated data and rfMRI data from 200 subjects. We demonstrate the ability of our method to infer spatio-temporally interacting modes.
登录
查看更多内容
DOI：
10.1523/jneurosci.2180-11.2011
发表时间：
2011-08-10
期刊：
The Journal of neuroscience : the official journal of the Society for Neuroscience
影响因子：
--
作者：
Glasser MF;Van Essen DC
通讯作者：
Van Essen DC
影响因子：
5.7
作者：
Conroy, Bryan R.;Singer, Benjamin D.;Guntupalli, J. Swaroop;Ramadge, Peter J.;Haxby, James V.
通讯作者：
Haxby, James V.
DOI：
10.1098/rstb.2005.1634
发表时间：
2005-05-29
影响因子：
6.3
作者：
Beckmann, CF;DeLuca, M;Smith, SM
通讯作者：
Smith, SM
影响因子：
3.7
作者：
Allen, Elena A.;Damaraju, Eswar;Calhoun, Vince D.
通讯作者：
Calhoun, Vince D.
影响因子：
5.7
作者：
Fransson, Peter;Marrelec, Guillaume
通讯作者：
Marrelec, Guillaume