Data Integration with Fusion Searchlight: Classifying Brain States from Resting-state fMRI

要約

安静状態の fMRI で観察される自発的な神経活動は、複雑な時空間ダイナミクスによって特徴付けられます。
局所的および全体的な脳の接続性と低周波振幅の変動に関連するさまざまな測定により、これらの神経力学の個々の側面を定量化できます。
このような測定値は同じ機能信号から得られるものであっても、それらは別々に評価されることが多く、相互関係が無視され、分析感度が低下する可能性があります。
私たちの研究では、さまざまな安静状態の fMRI メトリクスに含まれる補完的な情報を組み合わせるフュージョン サーチライト (FuSL) フレームワークを提示し、これが脳状態の解読をどのように改善できるかを実証します。
さらに、説明可能な AI によって、デコードに対する各メトリクスの異なる影響を再構築できるようになり、サーチライト解析の空間特異性がさらに向上することを示します。
一般に、このフレームワークは、さまざまなイメージングモダリティや実験条件から得られる情報を組み合わせるように適応でき、神経イメージングにおけるデータ融合のための多用途で解釈可能なツールを提供します。

要約(オリジナル)

Spontaneous neural activity observed in resting-state fMRI is characterized by complex spatio-temporal dynamics. Different measures related to local and global brain connectivity and fluctuations in low-frequency amplitudes can quantify individual aspects of these neural dynamics. Even though such measures are derived from the same functional signals, they are often evaluated separately, neglecting their interrelations and potentially reducing the analysis sensitivity. In our study, we present a fusion searchlight (FuSL) framework to combine the complementary information contained in different resting-state fMRI metrics and demonstrate how this can improve the decoding of brain states. Moreover, we show how explainable AI allows us to reconstruct the differential impact of each metric on the decoding, which additionally increases spatial specificity of searchlight analysis. In general, this framework can be adapted to combine information derived from different imaging modalities or experimental conditions, offering a versatile and interpretable tool for data fusion in neuroimaging.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google