统一格兰杰因果分析

将线性和非线性建模统一在同一模型选择框架下，提供一致且更可靠的因果连接推断。

Li, Fei · 林强 · 赵小虎 · 胡正珲

Network Neuroscience 2023

技术优势

统一模型选择

将线性和非线性GCA统一为同一广义模型选择问题，简化流程并提高一致性。

非线性优势明显

非线性uGCA在合成数据上明显优于线性表示和传统GCA，尤其在低噪声时。

临床一致性高

在ASD数据上，uGCA得到的因果连接网络属性比传统GCA更符合临床症状。

应用场景

• 脑功能网络分析：用统一因果推断改善脑功能网络的可靠性。
• fMRI数据处理：处理fMRI数据时，可根据噪声水平选择线性或非线性模型。
• 神经科学数据分析：在神经科学数据中揭示更符合临床的因果连接。
• 复杂系统因果推断：为复杂系统提供统一的因果模型选择方法。