利用空间组织的图形对齐提高了大脑网络的相似性

科学领域:

• 神经科学是一个神经科学.
• 计算生物学 计算生物学
• 大脑成像分析分析

背景情况:

• 个人的大脑结构和功能是由遗传学和环境塑造的.
• 大脑成像研究通常平均数据,假设在各个受试者之间有一致的皮质组织.
• 在大脑图谱中对个体之间一致的解剖区域的假设受到质疑.

研究的目的:

• 调查对不同受试者的大脑区域结构性质一致的假设.
• 分析结构连接体的对齐,并识别连接错位.
• 评估分片颗粒度和初始化方法对跨主体大脑映射的影响.

主要方法:

• 利用大脑的网络表示,以节点作为区域和边缘作为结构关系.
• 采用无监督的图形匹配策略来对齐健康受试者的结构连接体.
• 使用四种初始化方法 (空间相邻,身份,Barycenter,随机) 和不同的分片细分度,比较了对齐结果.

主要成果:

• 应用调整策略显著提高了超过100个地块的地块的跨主题相似性.
• 空间邻近性和身份初始化,被认为是合理的先验,产生更好的对齐结果.
• 变主要发生在邻近的部分之间,在皮层中没有明显的大规模空间模式.

结论:

• 实验对象之间大脑区域的对应性并不完美地保持,因此需要对准策略来进行准确的分析.
• 结构连接体对齐对于依赖于一致的解剖分片的研究至关重要,特别是在高分辨率地图上.
• 邻近的区域表现出最显著的结构错位,这表明大脑组织中的局部变异.