报告题目：MDL理论在脑连接组学中的应用

报告人：胡正珲老师（浙江大学）

报告时间：2013.9.11（周三） 上午10：00

报告地点：科B502

报告简介：

    最近我们在基于影像数据的功能性脑网络研究模型选择方面取得了一些进展。2008年，法国INSERM的David等人利用同时采集的iEEG与fMRI信号，对现有的神经环路方法动态因果模型（DCM）和Granger因果模型（GCM）方法的有效性进行比较，结果显示现有方法并不能有效的找到正确的神经网络连接。该工作发表在开源的PLoS Biology，并由DCM方法的创造者Friston在2010的PLoS Biology上加以评论。因此在神经影像界引发了相当多的关于两种方法的讨论，并在2012年将这些讨论已专辑形式在NeuroImage上发表。 我们通过对David同时采集的iEEG与fMRI数据重新分析的发现，利用MDL理论的模型选择结果与作为ground truth的iEEG分析结果完全一致，而传统的F检验方法则是失败的，这一结果充分说明了模型选择对于神经环路研究的重要性，和MDL理论的优势。此外，我们还讨论了线性与非线性网络模型的有效性，发现伴随噪声的增大，节点的高阶和交叉项信息被逐次淹没，在大多数的fMRI的噪声水平下，基本的线性模型已经能够满足对神经环路定量化标记的需要。 该方法也同样适用于其它医学影像数据。