来源：期刊VIP网 时间：
作者：胡新航;吴海锋;曾玉;
单位：云南民族大学电气信息工程学院;云南省无人自主系统重点实验室;云南民族大学云南省高校智能传感器网络及信息系统科技创新团队;
摘要：针对动态因果模型（DCM）在分析大脑有效连接时面临的高计算成本问题，提出一种结合广义线性模型（GLM）和稀疏DCM的算法，即广义稀疏DCM(GSD)算法。该算法在以下三个方面进行优化：首先，利用傅里叶变换的对称性将频域DCM的复数计算转换为实数计算，降低计算复杂度；其次，应用GLM和滤波技术减少观测信号的干扰，提高参数估计的准确度；最后，定义新的代价函数来优化变分推断参数和滤波器参数，进一步提升参数估计的精度。该研究采用两组公开的功能核磁共振成像（fMRI）数据对GSD算法进行验证，包括仿真的史密斯小世界网络数据和运动与注意力实测数据。实验结果表明，GSD算法在保持与传统方法相近的参数估计性能的同时，能将计算时间降低50%以上。该研究成果为平衡模型的解释力和计算效率提供了新的视角，有望推动DCM在更广泛领域的应用。
关键词：广义线性模型;;动态因果模型;;稀疏算法;;有效连接;;计算复杂度;;模型解释力
基金资助：国家自然科学基金资助项目（62161052）;; 云南省教育厅科学研究基金项目（2024Y432）
