跳到正文
原文
NeuroImage· Rikkert Hindriks, Fernando Santos, Matteo Neri 等 4 人
发现于精选AI 评分62

神经影像数据存在高阶交互吗?

Do neuroimaging data have higher-order interactions?

AI 导读

复杂系统物理学的进展让研究者开始在功能磁共振、脑电和脑磁图数据中寻找高阶结构,但“高阶”一词在不同研究里用法不一。作者区分了高阶交互与高阶依赖,指出高斯变量可以只有高阶依赖而没有高阶交互,并给出连续数据高阶交互的几种等价定义,用简单模型系统演示,再据此检验神经影像常用度量的特异性。结果显示这些度量并不特异于高阶交互,因此现有研究虽支持神经影像数据中存在高阶依赖,却不足以给出高阶交互存在的确凿证据。

推荐理由

用简单模型系统给出连续数据高阶交互的多种等价定义,并据此检验功能磁共振、脑电和脑磁图常用度量的特异性。

摘要 · AI 翻译

复杂系统物理学的最新进展推动了对神经影像数据中高阶结构的研究,涉及功能磁共振成像(fMRI)、脑电图(EEG)和脑磁图(MEG)。尽管所提出的度量指标不断增多,但“高阶”的含义往往被隐含处理,且该术语在不同研究中的使用并不一致。在本工作中,我们厘清了高阶相互作用与高阶依赖之间的区别。高阶相互作用必然蕴含高阶依赖,但反之不成立:系统可以在没有高阶相互作用的情况下表现出高阶依赖,高斯变量即为一例。我们针对连续数据给出了高阶相互作用的若干等价定义,用简单的模型系统加以说明,并据此评估神经影像中常用度量指标的特异性。我们表明,这些度量指标对高阶相互作用并不具有特异性。因此,尽管现有研究支持神经影像数据中存在高阶依赖,但它们并未为高阶相互作用的存在提供确凿证据。

中文由 AI 翻译,仅供参考,以原文为准。

来源:NeuroImage · sciencedirect.com