休息大脑在不同数据处理和建模策略的小世界网络属性的测试-测试可靠性
Qianying Wu1,2,3, Hui Lei2,4, Tianxin Mao1,2
1Key Laboratory of Brain-Machine Intelligence for Information Behavior (Ministry of Education and Shanghai), School of Business and Management, Shanghai International Studies University, Shanghai 201613, China.
Brain sciences
|May 27, 2023
概括
休息状态功能磁共振成像 (fMRI) 脑网络分析的可复制性各不相同. 特性路径长度和节点效率显示出最高可靠性,而小世界性和中间中心性是最不可靠的.
科学领域:
- 神经成像是一种神经成像.
- 网络神经科学 网络神经科学
- 图形理论 图形理论
背景情况:
- 休息状态功能磁共振成像 (fMRI) 被广泛用于研究大脑网络组织.
- 图形理论建模提供了评估大脑网络拓学的指标.
- 这些网络指标的可重现性至关重要,但仍有争议.
研究的目的:
- 评估来自静止状态fMRI的全球和节点大脑网络指标的测试-重新测试可靠性.
- 为了比较不同数据处理和建模策略的可靠性.
主要方法:
- 在受控条件下从16名健康对照中获得了三次重复静止状态fMRI扫描.
- 使用各种处理和建模技术计算了7个全球和3个节点大脑网络指标.
- 通过使用不同的地图集 (AAL90与Power264) 和信号回归策略来评估可靠性.
主要成果:
- 特征性路径长度显示全球度量可靠性最高;小世界性显示最低.
- 节点效率是最可靠的节点指标;中间中心性是最不可靠的.
- 权重指标和AAL90地图集通常比二进制指标和Power264分片分别产生更高的可靠性. 全球信号回归对全球指标的影响最小,但减少了节点指标可靠性.
结论:
- 选择网络度量,图谱和处理策略显著影响静态fMRI脑网络分析的可重现性.
- 特性路径长度和节点效率是更可靠的措施.
- 这些发现有助于为未来的大脑网络研究选择可靠的方法.
更多相关视频
10:43Developing Neuroimaging Phenotypes of the Default Mode Network in PTSD: Integrating the Resting State, Working Memory, and Structural Connectivity
Published on: July 1, 2014
15.2K
09:01A Method for Investigating Age-related Differences in the Functional Connectivity of Cognitive Control Networks Associated with Dimensional Change Card Sort Performance
Published on: May 7, 2014
10.2K