时间窗是最常见的动态FC的研究方法,但具有两个缺陷:
1. 真实值与测量观测值之间的区别:例如用激光测量汽车经过速度进行测量,汽车经过时,反复测量,由于仪器的不完善和环境噪声,这些测量值会产生波动的时间序列。尽管波动是真实的,但是汽车的速度可能实际是不变的,波动只是因为噪声产生而不是因为汽车的速度。因此我们把观察得到的FC称为observed FC和sample FC区分(又称为population FC).
这一缺陷的解决办法:通过统计检验验证dFC的存在。这就导致了第二个缺陷
2. 统计检验需要预先建立假设,即称为零假设。零假设成立时,有关统计量应服从已知的某种概率分布。如果选择一个合适的零假设是一个需要解决的问题
解决方法:基于傅里叶变化(Corrigendum to “Can sliding-window correlations reveal dynamic functional connectivity in resting-state fMRI?” NeuroImage, Volume 132, 15 May 2016, Pages 115)
动态网络学习(1):时间窗(sliding window)
最新推荐文章于 2022-04-11 11:46:23 发布