• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International conference on medical imaging computing and computer-assisted intervention >Exploring Brain Networks via Structured Sparse Representation of fMRI Data
【24h】

Exploring Brain Networks via Structured Sparse Representation of fMRI Data

机译：通过fMRI数据的结构化稀疏表示探索大脑网络

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Investigating functional brain networks and activities using sparse representation of fMRI data has received significant interests in the neu-roimaging field. It has been reported that sparse representation is effective in reconstructing concurrent and interactive functional brain networks. However, previous data-driven reconstruction approaches rarely simultaneously take consideration of anatomical structures, which are the substrate of brain function. Furthermore, it has been rarely explored whether structured sparse representation with anatomical guidance could facilitate functional networks reconstruction. To address this problem, in this paper, we propose to reconstruct brain networks using the anatomy-guided structured multi-task regression (AGSMR) in which 116 anatomical regions from the AAL template as prior knowledge are employed to guide the network reconstruction. Using the publicly available Human Connectome Project (HCP) Q1 dataset as a test bed, our method demonstrated that anatomical guided structure sparse representation is effective in reconstructing concurrent functional brain networks.
机译：使用功能磁共振成像数据的稀疏表示来研究功能性大脑网络和活动在神经影像学领域引起了极大的兴趣。据报道，稀疏表示可有效地重建并发和互动的功能性大脑网络。但是，以前的数据驱动的重建方法很少同时考虑到作为大脑功能基础的解剖结构。此外，很少有人探讨在解剖学指导下结构化的稀疏表示是否可以促进功能网络的重建。为了解决这个问题，在本文中，我们建议使用解剖结构引导的结构化多任务回归（AGSMR）来重建大脑网络，其中以AAL模板中的116个解剖区域作为先验知识来指导网络重建。使用公开可用的人类连接基因组计划（HCP）Q1数据集作为测试平台，我们的方法证明了解剖结构指导的稀疏表示在重建并发功能性大脑网络方面是有效的。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号