统计学 > 应用
[提交于 2025年7月21日
]
标题: 对数欧几里得框架用于平滑的大脑连接轨迹
标题: Log-Euclidean Frameworks for Smooth Brain Connectivity Trajectories
摘要: 大脑通常从网络角度进行研究,其中功能活动使用功能性磁共振成像(fMRI)来评估预定义神经区域之间的连接性。 功能连接性可以通过随时间计算的相关矩阵表示,其中每个矩阵捕获不同区域在滑动窗口内的平均fMRI信号之间的皮尔逊相关性。 我们引入了几种对数-欧几里得黎曼框架,用于构建功能脑连接轨迹的平滑近似。 将动态功能连接表示为全秩相关矩阵的时间序列,我们利用最近的对数-欧几里得微分同胚理论,在实践中将这些轨迹映射到欧几里得空间,使得多项式回归成为可能。 将回归曲线拉回,确保每个估计点保持为有效的相关矩阵,从而实现原始脑连接动态的平滑、可解释且几何一致的近似。 在fMRI导出的连接轨迹上的实验展示了我们方法的几何一致性和计算效率。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.