一种用于fMRI的快速动态因果模型反演方法

针对动态因果模型(DCM)在分析大脑有效连接时面临的高计算成本问题,提出一种结合广义线性模型(GLM)和稀疏DCM的算法,即广义稀疏DCM(GSD)算法。该算法在以下三个方面进行优化:首先,利用傅里叶变换的对称性将频域DCM的复数计算转换为实数计算,降低计算复杂度;其次,应用GLM和滤波技术减少观测信号的干扰,提高参数估计的准确度;最后,定义新的代价函数来优化变分推断参数和滤波器参数,进一步提升参数估计的精度。该研究采用两组公开的功能核磁共振成像(fMRI)数据对GSD算法进行验证,包括仿真的史密斯小世界网络数据和运动与注意力实测数据。实验结果表明,GSD算法在保持与传统方法相近的参数估计性能的同时,能将计算时间降低50%以上。该研究成果为平衡模型的解释力和计算效率提供了新的视角,有望推动DCM在更广泛领域的应用。

资料为PDF文档格式.

本文档关键词:因果,模型,动态,快速,用于