[论文解读] On why a few points suffice to describe spatiotemporal large-scale brain dynamics

Ignacio Cifré, Mahdi Zarepour+3 more|arXiv (Cornell University)|Jul 3, 2017

Functional Brain Connectivity Studies被引用 6

一句话总结

本文表明，由于fMRI BOLD信号中固有的长程时间相关性，仅通过稀疏的拐点（极值点和导数为零的交叉点）即可精确捕捉时空脑动态。该方法仅使用极少数据即可实现高保真度表示，因为这些关键点包含了大部分信息，从而在不损失功能连接结构的前提下实现高效计算与压缩。

ABSTRACT

An heuristic signal processing scheme recently introduced shows how brain signals can be efficiently represented by a sparse spatiotemporal point process. The approach has been validated already for different relevant conditions demonstrating that preserves and compress a surprisingly large fraction of the signal information. In this paper the conditions for such compression to succeed are investigated as well as the underlying reasons for such good performance. The results show that the key lies in the correlation properties of the time series under consideration. It is found that signals with long range correlations are particularly suitable for this type of compression, where inflection points contain most of the information. Since this type of correlation is ubiquitous in signals trough out nature including music, weather patterns, biological signals, etc., we expect that this type of approach to be an useful tool for their analysis.

研究动机与目标

• 理解为何fMRI BOLD信号的稀疏点过程表示能够保留关键的功能连接模式。
• 识别使此类压缩有效且信息保留的潜在信号特性。
• 验证假设：拐点（极值点和导数为零的交叉点）在相关时间序列中承载了大部分信号信息。
• 将研究发现推广至神经科学之外的其他自然发生的相关信号。

提出的方法

• 该方法通过识别上升阈值穿越点和局部极值点，从BOLD时间序列中提取带标记的点过程，形成稀疏的时间表示。
• 基于所选点构建分段线性逼近，以重构原始信号并评估保真度。
• 使用原始信号与重构信号之间的线性相关系数（⟨r⟩）和均方根误差（rmse）量化信号相似性。
• 系统性地改变BOLD信号和合成信号的自相关特性（γ），以测试压缩效果的鲁棒性与普适性。
• 从点过程计算共激活矩阵，并与全信号相关矩阵对比，以评估功能连接结构的保留程度。
• 使用MATLAB的alpha_gaussian.m生成的具有受控自相关性的合成时间序列，验证相关结构在成功压缩中的作用。

实验结果

研究问题

• RQ1 为何BOLD时间序列中少量点足以保留大规模脑动态的本质结构？
• RQ2 何种信号特性使得此类时空脑信号在压缩中表现出极高效率？
• RQ3 拐点（极值点和导数为零的交叉点）在相关时间序列中包含了多少比例的信息？
• RQ4 该点过程方法的成功是否可推广至fMRI以外的其他相关信号？
• RQ5 自相关性和阈值选择如何影响从稀疏点重构信号的保真度？

主要发现

• 具有长程时间相关性的信号特别适合通过稀疏点过程进行压缩，因为仅需少数关键点即可实现高保真度重构。
• 拐点——特别是极值点和导数为零的交叉点——承载了信号的大部分信息，而中间点由于可预测性而基本冗余。
• 在静息态fMRI数据中，仅需四个点即可识别出具有统计显著性的共激活簇，其结果与全信号相关矩阵高度一致。
• 原始信号与重构信号之间的线性相关系数（⟨r⟩）随自相关系数（γ）的提高而增加，表明更强的时间相关性增强了可压缩性。
• 原始信号与重构信号之间的均方根误差（rmse）随阈值（ν）的升高而单调递增，证实较低阈值能更好地保留信号保真度。
• 在具有相同自相关特性的合成信号中也复现了相同的压缩行为，证实该机制根植于相关结构，而非神经生物学特异性。