机构名称：
¥ 1.0
功能性磁共振成像（fMRI）是一种至关重要的技术，可以洞悉人类认知过程。从fMRI测量中积累的数据会导致体积数据集随时间变化。但是，分析此类数据的挑战是由于大脑中信息的表示方式的噪音和人与人之间的变化。为了应对这一挑战，我们提出了一种新颖的拓扑方法，该方法在fMRI数据集中编码每个时间点，作为拓扑特征的持久图，即数据中存在的高维空隙。 此表示自然不依赖于voxel-voxel对应关系，并且对噪声是可靠的。 我们表明，可以将这些随时间变化的持久图聚类以发现参与者之间有意义的分组，并且它们在研究执行特定任务的受试者的受试者内部脑状态轨迹也很有用。 Here, we apply both clustering and tra- jectory analysis techniques to a group of participants watching the movie ‘Partly Cloudy'. 我们观察到大脑状态轨迹以及观看同一电影的成人和儿童之间的整体拓扑活动的显着差异。数据中存在的高维空隙。此表示自然不依赖于voxel-voxel对应关系，并且对噪声是可靠的。我们表明，可以将这些随时间变化的持久图聚类以发现参与者之间有意义的分组，并且它们在研究执行特定任务的受试者的受试者内部脑状态轨迹也很有用。Here, we apply both clustering and tra- jectory analysis techniques to a group of participants watching the movie ‘Partly Cloudy'.我们观察到大脑状态轨迹以及观看同一电影的成人和儿童之间的整体拓扑活动的显着差异。
Daniel Laver使用立方持久性揭示时间变化的fMRI数据的拓扑
主要关键词
相关文件推荐
