Umeå universitets logga

umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
A Hierarchical Bayesian Mixture Model Approach for Analysis of Resting-State Functional Brain Connectivity: An Alternative to Thresholding
Umeå universitet, Samhällsvetenskapliga fakulteten, Handelshögskolan vid Umeå universitet, Statistik. Umeå universitet, Medicinska fakulteten, Umeå centrum för funktionell hjärnavbildning (UFBI). Umeå universitet, Medicinska fakulteten, Institutionen för integrativ medicinsk biologi (IMB).ORCID-id: 0000-0003-2135-9963
Umeå universitet, Medicinska fakulteten, Umeå centrum för funktionell hjärnavbildning (UFBI). Umeå universitet, Samhällsvetenskapliga fakulteten, Handelshögskolan vid Umeå universitet, Statistik.ORCID-id: 0000-0003-1524-0851
Umeå universitet, Samhällsvetenskapliga fakulteten, Handelshögskolan vid Umeå universitet, Statistik.ORCID-id: 0000-0003-3187-1987
Umeå universitet, Medicinska fakulteten, Institutionen för strålningsvetenskaper, Diagnostisk radiologi. Umeå universitet, Medicinska fakulteten, Institutionen för integrativ medicinsk biologi (IMB). Umeå universitet, Medicinska fakulteten, Umeå centrum för funktionell hjärnavbildning (UFBI).ORCID-id: 0000-0002-3367-1746
Visa övriga samt affilieringar
2020 (Engelska)Ingår i: Brain Connectivity, ISSN 2158-0014, E-ISSN 2158-0022, Vol. 10, nr 5, s. 202-211Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

This article proposes a Bayesian hierarchical mixture model to analyze functional brain connectivity where mixture components represent "positively connected" and "non-connected" brain regions. Such an approach provides a data-informed separation of reliable and spurious connections in contrast to arbitrary thresholding of a connectivity matrix. The hierarchical structure of the model allows simultaneous inferences for the entire population as well as for each individual subject. A new connectivity measure, the posterior probability of a given pair of brain regions of a specific subject to be connected given the observed correlation of regions' activity, can be computed from the model fit. The posterior probability reflects the connectivity of a pair of regions relative to the overall connectivity pattern of an individual, which is overlooked in traditional correlation analyses. This article demonstrates that using the posterior probability might diminish the effect of spurious connections on inferences, which is present when a correlation is used as a connectivity measure. In addition, simulation analyses reveal that the sparsification of the connectivity matrix using the posterior probabilities might outperform the absolute thresholding based on correlations. Therefore, we suggest that posterior probability might be a beneficial measure of connectivity compared with the correlation. The applicability of the introduced method is exemplified by a study of functional resting-state brain connectivity in older adults.

Ort, förlag, år, upplaga, sidor
Mary Ann Liebert, 2020. Vol. 10, nr 5, s. 202-211
Nyckelord [en]
brain aging, fMRI, functional connectivity, hierarchical modeling, lognormal distribution, resting state
Nationell ämneskategori
Neurovetenskaper Sannolikhetsteori och statistik
Identifikatorer
URN: urn:nbn:se:umu:diva-173434DOI: 10.1089/brain.2020.0740ISI: 000542106300002PubMedID: 32308015Scopus ID: 2-s2.0-85087095754OAI: oai:DiVA.org:umu-173434DiVA, id: diva2:1453563
Forskningsfinansiär
Vetenskapsrådet, 340-2012-5931Knut och Alice Wallenbergs StiftelseRagnar Söderbergs stiftelse, KVA/2011/88/65Riksbankens Jubileumsfond, P16-0628:1Tillgänglig från: 2020-07-10 Skapad: 2020-07-10 Senast uppdaterad: 2023-03-23Bibliografiskt granskad

Open Access i DiVA

fulltext(753 kB)229 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 753 kBChecksumma SHA-512
64a413da5b8b443be5b633dd905565ae527f4a75d4196b0a363e81d297414ab5521da843f8ef997e1720f20e4bd2b8409bab9a9e8bd89969b9dea2f6a997a4fd
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextPubMedScopus

Person

Gorbach, TetianaLundquist, Andersde Luna, XavierNyberg, LarsSalami, Alireza

Sök vidare i DiVA

Av författaren/redaktören
Gorbach, TetianaLundquist, Andersde Luna, XavierNyberg, LarsSalami, Alireza
Av organisationen
StatistikUmeå centrum för funktionell hjärnavbildning (UFBI)Institutionen för integrativ medicinsk biologi (IMB)Diagnostisk radiologiWallenberg centrum för molekylär medicin vid Umeå universitet (WCMM)
I samma tidskrift
Brain Connectivity
NeurovetenskaperSannolikhetsteori och statistik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 229 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
pubmed
urn-nbn

Altmetricpoäng

doi
pubmed
urn-nbn
Totalt: 808 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf