In this article, we study possible relations between the structural connectome and cognitiveprofiles using a multi-response nonparametric regression model under group sparsity. The aim is to identify the brain regions having significant effect on cognitive functioning. In this article, we consider nine different attributesfor each brain region as our predictors. Here, each node thus correspond to a collectionof nodal attributes. Hence, these nodal graph metrics may naturally be grouped togetherfor each node, motivating us to introduce group sparsity for feature selection. We proposeGaussian RBF-nets with a novel group sparsity inducing prior to model the unknown meanfunctions. The covariance structure of the multivariate response is characterized in termsof a linear factor modeling framework. For posterior computation, we develop an efficientMarkov chain Monte Carlo sampling algorithm. We show that the proposed method per-forms overwhelmingly better than all its competitors. Applying our proposed method to aHuman Connectome Project (HCP) dataset, we identify the important brain regions andnodal attributes for cognitive functioning, as well as identify interesting low-dimensionaldependency structures among the cognition related test scores.


翻译:在本篇文章中,我们利用群聚下的多反应非参数回归模型,研究结构连接体和认知特征之间的可能关系。目的是确定对认知功能有重大影响的大脑区域。在本篇文章中,我们把每个大脑区域的九个不同属性视为我们的预测器。这里,每个节点因此与节点属性的集合相对应。因此,这些节点图形指标可以自然地为每个节点组合在一起,从而激励我们引入集聚性特征选择。我们提议Gaussian RBF-nets,在模拟未知的中位功能之前,以新的群群聚集性为诱导。多变量反应的共变结构以线性要素建模框架为特征。对于后端计算,我们开发了一个高效的Markov链 Monte Carlo取样算法。我们显示,拟议的方法的组合比所有竞争者都要好得多。我们把拟议的方法应用于人类连接项目(HCP)数据集,我们确定了认知功能的重要的大脑区域和节点特征,并确定了与CO数相关测试的低度测试等级结构。

0
下载
关闭预览

相关内容

Cognition:Cognition:International Journal of Cognitive Science Explanation:认知:国际认知科学杂志。 Publisher:Elsevier。 SIT: http://www.journals.elsevier.com/cognition/
专知会员服务
31+阅读 · 2021年6月12日
专知会员服务
25+阅读 · 2021年4月2日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
ICML2019机器学习顶会接受论文列表!
专知
10+阅读 · 2019年5月12日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
计算机类 | LICS 2019等国际会议信息7条
Call4Papers
3+阅读 · 2018年12月17日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11日
Arxiv
6+阅读 · 2018年3月28日
Arxiv
4+阅读 · 2018年1月15日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
ICML2019机器学习顶会接受论文列表!
专知
10+阅读 · 2019年5月12日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
计算机类 | LICS 2019等国际会议信息7条
Call4Papers
3+阅读 · 2018年12月17日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11日
Top
微信扫码咨询专知VIP会员