估计和推断刺激锁定时变脑连接网络的最大度量
摘要：在高度控制的实验环境中，神经科学家通过构建脑连接网络来理解大脑功能，取得了很大的成功。然而，这些实验设置与我们日常与周围环境的真实经验相差甚远。为了解决这个问题，神经科学家一直在测量自然视觉实验中的脑活动，其中受试者接收连续的刺激，例如观看电影或听故事。这种方法的主要挑战在于测量信号包含刺激引起的信号以及内在神经信号和非神经信号。通过利用实验设计，我们提出了一种估计刺激锁定脑网络的方法，将非刺激引起的信号视为干扰参数。在许多神经科学应用中，识别在认知过程中与许多其他脑区相连的脑区通常很重要。我们提出了一种推断方法来测试估计网络的最大度是否大于一个预先确定的数字。我们证明了可以控制I型错误，并且在渐进上可以增加功率至1。我们进行了模拟研究以评估我们方法的性能。最后，我们分析了在《福尔摩斯探案集》电影刺激下获得的功能磁共振成像数据集。
作者：Kean Ming Tan, Junwei Lu, Tong Zhang, and Han Liu
论文ID：1905.11588
分类：Machine Learning
分类简称：stat.ML
提交时间：2019-06-24