4 votos

Analizando un sistema lineal de ecuaciones a partir de datos de fMRI y extrayendo la información de los estímulos

esta es mi primera pregunta aquí y espero hacerlo de acuerdo a sus expectativas y reglas y empezar ahora mismo ;). Al principio tengo que decir que no soy un matemático, así que tal vez no me exprese como tal sólo corrígeme o borra la pregunta, si no es clara o comprensible, le daré una oportunidad por ahora :).

Primero un poco de introducción:

Tengo un sistema de 41x41 de ecuaciones lineales (inhomogéneas) que he deducido con Eureqa describiendo el curso de tiempo de los datos hemodinámicos de fMRI de un área cerebral en función de los cursos de tiempo de otras 40 áreas cerebrales (de las áreas de Brodmann fyi). La persona que fue medida tenía que hacer alguna tarea específica y había visto algunas imágenes. Así que los datos del curso del tiempo son una función de los estímulos y mis ecuaciones de alguna manera también describen los estímulos.

por ejemplo.

$$ \text {BrainArea}_1= f( \text {brainarea}_2, \text {brainarea}_3, \dots , \text {brainarea}_{41}) $$

$$ \text {BrainArea}_2= f( \text {brainarea}_1, \text {brainarea}_3, \dots , \text {brainarea}_{41}) $$

$$ \vdots $$

$$ \text {BrainArea}_{41} = f( \text {brainarea}_1, \text {brainarea}_2, \dots , \text {brainarea}_{40})$$

Así que ahora puedo resolver este sistema lineal, puedo calcular el eigensystem por ejemplo

pero mi pregunta es

1) ¿Qué haría un matemático con tal sistema ? ¿Cuál es la forma directa de analizar tal sistema lineal de ecuaciones? Además, ¿qué valores propios y vectores propios son de interés (porque tengo muchos)? ¿Debería considerar sólo los mayores valores propios, o los más pequeños sólo los positivos o negativos? ¿Qué significarían en este caso?

2) ¿Es posible extraer los tiempos en los que la persona vio algún estímulo del sistema o de alguna manera extraer más información sobre los estímulos, cuando sé el momento exacto en que se produjo un estímulo (que sí sé)? Dado que los datos de los cursos de tiempo son una función de los estímulos que la persona vio, se puede ver la frecuencia de los estímulos en el dominio de la frecuencia si se aplica la transformada de Fourier. Pero, ¿hay algo más que se pueda hacer con este sistema?

3) ¿Qué cambiaría si mi sistema es un sistema no lineal de ecuaciones? ¿Habría algunas constricciones o límites fundamentales en mis posibilidades de analizar el sistema?

No espero que haya soluciones específicas para ese asunto, pero tal vez para algunos consejos útiles y sugerencias de cómo profundizar en él, tal vez lo que podría leer y así sucesivamente.

Gracias de antemano.

1voto

imago Puntos 41

Esta es mi opinión sobre la respuesta a su pregunta. En primer lugar: No soy un matemático, soy un físico al que le gustan las matemáticas, así que la respuesta de abajo probablemente no sea la que daría un matemático puro.

Ahora la respuesta:


Primero debes ser más específico con tus ecuaciones. La forma en que te entiendo es que tienes una serie temporal, es decir: todas tus funciones dependen explícita o implícitamente de $t$ por ejemplo $BrainArea_1(t) = f_1(BrainArea_2(t), \dots , BrainArea_{41}(t), t)$
Que en el caso dado son probablemente evaluados por pasos de tiempo discretos $t_i$ dando una serie temporal de un conjunto de ecuaciones.
En segundo lugar, no es obvio a partir de su formulación del problema, que el conjunto es un conjunto de lineal ecuaciones, como la $f_i$ (o $f$ ?) podría ser arbitrario.
Entonces..:
1). Asumamos que el sistema es realmente lineal y dependiente del tiempo y que denota $BA:=(BrainArea_1, \dots ,BrainArea_{41})^t$ Entonces el sistema se convierte
$BA = A(t) BA$
Donde $[A(t)]_{i,i}=0$ para tener en cuenta la dependencia sólo de las otras áreas. Una forma de ver tal sistema sería, por supuesto, mirar al eigensistema. En este caso mirar los valores propios más grandes (en magnitud) es probablemente más apropiado, creo, porque los más pequeños (de nuevo en magnitud) serían probablemente atribuibles al ruido en el sistema.
El eigenvector asociado dará entonces la combinación de áreas que sea más activa en el momento dado.
2). Bajo las mismas suposiciones de arriba obtendrás (ya en 1). ) los valores propios $ \lambda_i \equiv \lambda_i (t_j)$ para un determinado paso temporal, lo mismo ocurre con los eigenvectores. El análisis a partir de aquí es tu trabajo como alguien que entiende lo que hacen las respectivas áreas.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X