机构名称：
¥ 2.0
神经科学研究旨在找到准确可靠的大脑有效连接组（EC）。尽管当前的EC发现方法有助于我们对大脑组织的理解，但它们的性能受到fMRI数据的短样本量和差的时间分辨率的严重限制，以及大脑连接组的高维度。通过利用DTI数据作为先验知识，我们介绍了两个贝叶斯因果发现框架 - 贝叶斯魔像（BGOLEM）和贝叶斯FGES（BFGES）方法 - 这些方法可显着准确，更可靠的EC，并解决现有的Causal Discovery方法仅基于FMRI数据的现有Causal Discovery方法的缺点。此外，要使用我们的经验数据方法来评估EC的准确性的提高，我们将伪发现率（PFDR）引入了大脑中因果发现的新计算准确度量。通过一系列关于合成和杂种数据的模拟研究（将人类连接组项目（HCP）受试者和合成fMRI的DTI结合在一起），我们证明了我们提出的方法的有效性以及引入度量指标在发现EC中的可靠性。通过采用PFDR指标，我们表明，与传统方法相比，当应用于人类连接项目（HCP）数据时，我们的贝叶斯方法可显着准确。另外，我们使用Rogers-Tanimoto索引进行重新测试数据来衡量发现EC的可重复性，并表明我们的贝叶斯方法提供了比传统方法更可靠的EC。总体而言，我们的研究的数值和视觉结果突出了这些框架可显着提高我们对大脑功能的理解的潜力。
基于fMRI和DTI数据的大脑有效连接组
主要关键词
相关文件推荐
