静息态功能磁共振成像数据的状态转换动力学：模型比较与重测分析
摘要：脑电图(EEG)微态分析涉及在多通道脑电图时间序列数据中寻找准稳态和通常复发的离散状态的动力学，并将估计的状态转移动力学的性质与认知和行为等观测值相关联。尽管微态分析已广泛用于分析脑电图数据，但在功能磁共振成像(fMRI)数据中的使用仍较少，主要是由于此类数据的时间尺度较慢。在本研究中，我们将应用于EEG微态分析的各种数据聚类方法扩展到健康人的静息态fMRI数据中，以提取它们的状态转移动力学。我们展示了聚类质量与EEG数据的各种微态分析相当。然后，我们开发了一种方法来检查fMRI会话之间离散状态转移动力学的测试-重测信度，并且展示了与不同指标的状态转移动力学、不同网络和不同数据集的参与者内测试-重测信度相比，参与者间测试-重测信度更高。这个结果表明，fMRI数据的状态转移动力学分析能够区分不同个体，是进行个体指纹分析的有希望的工具。
作者：Saiful Islam, Pitambar Khanra, Johan Nakuci, Sarah F. Muldoon, Takamitsu Watanabe, Naoki Masuda
论文ID：2308.11910
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2023-08-24