基于瞬时转变率模型的脑网络状态观测算法

摘要：

针对K-means等聚类方法在脑网络状态观测中稳定性和鲁棒性较差的缺点,提出了一种基于瞬时转变率模型的脑网络状态观测算法.通过对状态转换临界点进行分组统计和分析,计算每一个临界时间点的状态瞬时转变率,在此基础上构建脑网络状态观测算法,并使用区间估计方法对状态转换的观测效果进行估计和验证.在脑网络数据库样本中的实验结果显示,与K-means等脑网络状态聚类观测算法相比,该算法在不同条件下的聚类稳定性更好,对样本差异的适应性更强,受参数选择的影响更小,能直观地观测到脑网络状态转换趋势.

关键词：状态观测、动态功能连接、高维聚类、静息态fMRI

所属期刊栏目：41

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金81470084,81771926,61463024,61763022,61263017

在线出版日期：2019-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1325-1334