一种新的可解释的模糊集群方法用于fMRI动态功能网络连接分析

科学领域:

• 神经科学是一个神经科学.
• 脑部成像 脑部成像
• 计算精神病学是一种计算精神病学.

背景情况:

• 休息状态功能磁共振成像 (rs-fMRI) 动态功能网络连接 (dFNC) 分析对于理解神经精神疾病中大脑网络相互作用至关重要.
• 目前使用硬集群识别dFNC状态和量化特征重要性的方法是有限的,因为它们只捕获样本子集的影响.
• 现有的方法可能无法准确地反映dFNC特征对大脑状态集群的整体影响.

研究的目的:

• 为dFNC分析开发和验证一种新的,可解释的集群方法.
• 为了更准确地确定每个dFNC特征对大脑活动状态的整体聚类的重要性.
• 将新方法与现有方法进行比较,并证明其提高了灵敏度.

主要方法:

• 使用模糊集群来分配不同大脑状态的样本的概率.
• 在扰乱单个dFNC特征后测量Kullback-Leibler分歧,以评估其影响.
• 在精神分裂症 (SZ) 患者和健康对照人群中应用新型方法对默认模式网络分析.

主要成果:

• 新型模糊集群方法成功地发现了SZ和健康对照个体之间的dFNC状态动态的显著差异.
• 与现有方法相比,新方法表现出更高的性能,在更大比例的样本上捕捉了扰动效应.
• 关键相互作用,包括涉及后带带皮质 (PCC) 的关键相互作用,在两种方法中都被确定为重要.

结论:

• 开发的模糊集群方法为在rs-fMRI中分析dFNC提供了更全面,更易于解释的方法.
• 这种新的技术增强了检测大脑网络动态中的群体差异的能力,特别是在精神分裂症等疾病中.
• 这种方法对推进rs-fMRI分析和集群技术的更广泛应用具有前景.