| عنوان فارسی مقاله: | ارتباطات عملکردی در fMRI در حالت استراحت: آیا همبستگی خطی کافی است؟ |
| عنوان انگلیسی مقاله: | Functional connectivity in resting-state fMRI: Is linear correlation sufficient? |
نمونه متن ترجمه
چکیده
تحلیل ارتباطات عملکردی (FC) رویکرد مهمی برای تجزیه و تحلیل داده های محسوب می شود، مخصوصاً داده های به دست آمده تحت شرایط حالت استراحت. معمولاً اندازه گیری FC همبستگی خطی به کار رفته، فرض ضمنی گوسی بودن ساختار وابستگی را در بردارد. اگر فقط توزیع های حاشیه ای اما نه تمام توزیع های دو متغیری گوسی باشند، همبستگی خطی به طور مداوم قدرت وابستگی را کم تخمین می زند. به منظور ارزیابی مناسبتِ (مناسب بودن) همبستگی خطی و پتانسیل کلی اندازه گیری های FC غیرخطی، چارچوبی را برای آزمایش و برآورد انحراف از گوسی بودن به وسیله مقایسه اطلاعات متقابل در داده ها و همتای گوسی شده آن ها ارائه می دهیم. این روش را برای 24 جلسه انسانی در حالت استراحت به کار می بریم. برای هر جلسه، ماتریس ارتباطات بین 90 سری زمانی اجزای تشریحی با استفاده از اطلاعات متقابل محاسبه شده و با نتایج حاصل از جانشین گوسی چند متغیره آن که همبستگی را پوشش داده اما هر غیرخطی بودن را لغو می کند، مقایسه می شود. درحالیکه آزمون ها در سطح گروه غیر گوسی بودن در FC را تأیید کردند، ارزیابی کمّی آشکار ساخت که بخش اطلاعات متقابلِ نادیده گرفته شده در همبستگی خطی، نسبتاً کوچک است- به طور متوسط فقط حدود 5% اطلاعات متقابل از قبل از طریق همبستگی خطی دریافت شد. اکثریت غیرگوسی بودن ها در مقایسات با استفاده از خوشه بندی اجزاء به تأیید رسید- اختلاف بین خوشه بندی به دست آمده از اطلاعات متقابل و همبستگی خطی قابل نسبت دادن به خطای تصادفی بود. اینگونه نتیجه گیری می کنیم که برای این نوع داده¬ها، ارتباط عملی روش های غیرخطی که برای بهبود بیشتر همبستگی خطی تلاش می کنند ممکن است توسط این واقعیت که داده ها در واقع تقریباً گوسی هستند محدود شود.
