Aug, 2018

一种用于纵向神经影像研究的分层独立成分分析模型

PDF
TL;DR本文提出了一种新的长期独立成分模型 (L-ICA)，可以更准确地估计个体和总体层面上脑功能网络的变化，并通过包含随机和访问特定的协变量效应来提高重复测量成像数据处理的统计功效。通过将 L-ICA 应用于 ADNI2 研究，提出了在失智症时脑功能网络变化的生物学见解。
longitudinal neuroimagingindependent component analysisbrain functional networksdisease-related changesalzheimer disease
发现论文，激发创造
  • ICLabel：一种自动化的脑电独立成分分类器、数据集和网站

    本文介绍 ICLabel 项目，该项目包括 IC 数据集、用于收集众包 IC 标签的网站和自动分类器。ICLabel 分类器的优点在于改进了计算的标签估计的准确性和增强了计算效率，它在所有测量 IC 类别中优于或与此前公开可用的最佳方法表现相当，并比该分类器快 10 倍。

    Jan, 2019

  • 基于对比学习的非线性独立成分分析的有限样本可识别性

    本文对基于对比学习的非线性独立分量分析进行了有限样本识别能力分析，该分析框架聚合了 GCL loss 函数的特性，统计概括分析和数值微分，并考虑到学习函数的逼近误差。

    Jun, 2022

  • 一种规范的、生物学上合理的独立分量分析算法

    提出一种新型的 ICA 算法，满足生物电路中的要求，涉及的关键词有盲源分离，独立分量分析，神经网络，突触可塑性和生物电路。

    Nov, 2021

  • 独立成分分析发现循环因果模型

    本篇论文通过 IC​​A 方法，利用连续观测数据，发现了线性非高斯的因果结构模型 (LiNGAM-SEM)。该 LiNGAM 发现算法所输出的 SEM 分布等价类在大样本情况下是种群分布，并提出了仅有其中一个 SEM 稳定的充分条件。

    Jun, 2012

  • 因果组成分析

    介绍了一个名为 Causal Component Analysis 的问题，它可以作为 Independent Component Analysis 方法以及 Causal Representation Learning 方法的一个泛化，专注于学习解混函数和因果机制，并通过多个数据集的干预方法以及利用基于概率流的似然方法来确定 CauCA 的可识别性。

    May, 2023

  • 多视角延迟独立分量分析

    多视角延迟独立成分分析（MVICAD）算法通过将源信号视为互相延迟版本的某些共享源信号，扩展了多视角独立成分分析（ICA）模型，以提高信号与噪声比，并展示了在神经信号处理中具有年龄相关的潜在延迟效应。

    Dec, 2023

  • 词嵌入独立分量代表语义特征

    本文使用独立分量分析算法分析单词嵌入，发现独立分量可以用于找到单词的语义特征，并可轻松组合这些特征来搜索满足条件的单词，其中稳定性强。

    Dec, 2022

  • 贝叶斯纵向张量响应回归模型的神经可塑性建模

    采用贝叶斯张量回归方法，在长期神经成像研究中，通过调整协变量并跨空间分布的体素进行信息汇集，实现对重要变化的推断，该方法具有降维和保留体素空间形状的优势，可应用于个体级神经可塑性研究和预测，在模拟研究和多周访问情景中验证了该方法相比体素回归在预测和特征选择方面的优越性。

    Sep, 2023

  • 非线性 ICA 的可辨识性：稀疏性与更多拓展研究

    通过在混合过程中添加约束条件（如结构稀疏性），我们在不需要辅助变量的情况下，实现了非线性 ICA 的非平凡可识别性。

    Jun, 2022

  • fMRI 脑网络的深度标注

    研究使用深度学习方法快速准确地标记静息态功能磁共振成像中的脑区网络，通过测试其在不同数据集和磁共振成像获取技术下的表现，证明其通用性和可靠性。

    May, 2023