部分局部fMRI连接分析的回归模型

科学领域:

• 神经成像是一种神经成像.
• 计算神经科学是一种神经科学.
• 脑连接分析 脑连接分析

背景情况:

• 休息状态fMRI连接性分析通常假定在各个受试者之间有一致的大脑区域对齐,但通常情况并非如此.
• 传统的方法,如一次边缘分析或分解方法,依赖于这种潜在的错误假设.

研究的目的:

• 开发和验证一个主体级回归模型,以解释大脑功能连接的个体内变异性.
• 为现有连接分析方法提供更节和更强大的替代方案,通过描述由不同协同变量解释的变化.

主要方法:

• 使用了具有共变量的学科级回归模型,包括地理距离,同位素和功能网络成员资格.
• 包括特定区域的共变量来解释一致的连接差异.
• 将模型应用于Human Connectome项目数据,其中包括8个功能网络中的268个感兴趣区域 (ROI).

主要成果:

• 区域共变量和网络成员解释了连接性变化的高比例.
• 在计算共变量数后,地理距离和同位素仍然是重要的预测因素.
• 连接回归模型实现了高数据重复性,与使用完整位置信息的方法相比.

结论:

• 开发的连接回归模型有效地解释了功能连接的个体内变化.
• 这些发现表明,fMRI连接性分析可能在具有减少注册要求的学科空间中是可行的.
• 这种方法对更灵活,可能更少的计算密集型神经成像分析具有前景.